为 R 中数据框的每一行返回缺少 (NA) 数据的列名列表

Question

我正在尝试为数据框中的每个 ID# 创建一个带有 NA 值的数据列表，以便我可以跟踪丢失的数据。 我有一个数据框，其中每一行都是一个 ID#，每一列都是一个变量名。 每个 ID# 可能有不同的缺失数据，因此我想将此信息压缩到一个两列表中。 目前，我的表看起来像这样：

ID  Var1 Var2 Var3 Var4 Var5
1   10   T    NA   2    NA
2   15   F    50   2    NA
3   12   NA   41   2    NA
4   NA   NA   NA   1    NA
5   NA   F    NA   NA   NA
...

我希望得到看起来像这样的输出：

ID   Missing Variables
1    Var3, Var5
2    Var5
3    Var2, Var5
4    Var1, Var2, Var3, Var5
5    Var1, Var3, Var4, Var5
...

我很困惑如何为每个丢失的数据条目返回列名。 我知道你可能可以用 for 循环做这样的事情，但除此之外我有点迷失了。 任何帮助深表感谢！

Answer 1

这是一个tidyverse解决方案。

df <- read_table("
ID  Var1 Var2 Var3 Var4 Var5
1   10   T    NA   2    NA
2   15   F    50   2    NA
3   12   NA   41   2    NA
4   NA   NA   NA   1    NA
5   NA   F    NA   NA   NA", col_names = TRUE)

library(dplyr)
library(tidyr)
df %>%
  mutate(across(starts_with("var"), is.na)) %>%  # replace all NA with TRUE and else FALSE
  pivot_longer(-ID, names_to = "var") %>%  # pivot longer
  filter(value) %>%   # remove the FALSE rows
  group_by(ID) %>%    # group by the ID
  summarise(`Missing Variables` = toString(var)) # convert the variable names to a string column

`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 5 x 2
     ID `Missing Variables`   
  <dbl> <chr>                 
1     1 Var3, Var5            
2     2 Var5                  
3     3 Var2, Var5            
4     4 Var1, Var2, Var3, Var5
5     5 Var1, Var3, Var4, Var5

Answer 2

这是一种可能的基本 R 方法，它返回一个向量：

result <- apply(
  X = is.na(my_df),
  MARGIN = 1,
  FUN = function(x) paste(colnames(my_df)[x], collapse = ", ")
)

> result
[1] "Var3, Var5"             "Var5"                   "Var2, Var5"             "Var1, Var2, Var3, Var5" "Var1, Var3, Var4, Var5"

看起来您正在请求一个data.frame对象，您可以轻松到达那里：

data.frame(ID = my_df$ID, `Missing Variables` = result, check.names = FALSE)

# Note that the data.frame specification does not consider variable names
# containing spaces to be syntactically valid, so you have to disable the
# check if you want the variable name you have specified. This may cause
# other problems 'down the line'.

  ID      Missing Variables
1  1             Var3, Var5
2  2                   Var5
3  3             Var2, Var5
4  4 Var1, Var2, Var3, Var5
5  5 Var1, Var3, Var4, Var5

但是，您还说您正在寻找list - 如果是这样：

> setNames(as.list(result), test$ID)

$`1`
[1] "Var3, Var5"

$`2`
[1] "Var5"

$`3`
[1] "Var2, Var5"

$`4`
[1] "Var1, Var2, Var3, Var5"

$`5`
[1] "Var1, Var3, Var4, Var5"

Answer 3

这是否有效：

> library(dplyr)
> df
# A tibble: 5 x 6
     ID  Var1 Var2   Var3  Var4 Var5 
  <dbl> <dbl> <lgl> <dbl> <dbl> <lgl>
1     1    10 TRUE     NA     2 NA   
2     2    15 FALSE    50     2 NA   
3     3    12 NA       41     2 NA   
4     4    NA NA       NA     1 NA   
5     5    NA FALSE    NA    NA NA   
> df$reps <- sapply(apply(df[2:6], 1, function(x) which(is.na(x))), names)
> df %>% unnest(reps) %>% group_by(ID) %>% summarise(`Missing Variables` = paste0(reps, collapse = ', '))
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 5 x 2
     ID `Missing Variables`   
  <dbl> <chr>                 
1     1 Var3, Var5            
2     2 Var5                  
3     3 Var2, Var5            
4     4 Var1, Var2, Var3, Var5
5     5 Var1, Var3, Var4, Var5

Answer 4

解决它的dplyr方法

df <- read.table(text = 'ID  Var1 Var2 Var3 Var4 Var5
1   10   T    NA   2    NA
2   15   F    50   2    NA
3   12   NA   41   2    NA
4   NA   NA   NA   1    NA
5   NA   F    NA   NA   NA', header = T)
library(dplyr)

df %>%
  rowwise() %>%
  summarise(ID, missing = toString(names(.)[-1][seq_along(c_across(starts_with('Var'))) * is.na(c_across(starts_with('Var')))]),
            .groups = 'drop')

#> # A tibble: 5 x 2
#>      ID missing               
#>   <int> <chr>                 
#> 1     1 Var3, Var5            
#> 2     2 Var5                  
#> 3     3 Var2, Var5            
#> 4     4 Var1, Var2, Var3, Var5
#> 5     5 Var1, Var3, Var4, Var5

^{由reprex 包( v2.0.0 ) 于 2021 年 5 月 15 日创建}