R、dplyr 中的子集 dataframe 过滤列 A 的行值而不是列 B 的行中的 NA

Question

我有一个由时间序列研究组成的数据集。 由于某些参与者在某些日子没有出现，因此他们具有数据框 rest 的 NA 值，但某些研究日期至关重要，因此我试图将我的数据子集给参与者，不要错过这些关键日子。 我的数据集实际上非常大，但这是一般结构：

fakedat <- data.frame(ID = c("A", "A", "A", "A", "B", "B", "B", "B", "C", "C", "C", "C", 
                          "D", "D", "D", "D", "E", "E", "E", "E", "F", "F", "F", "F"),
                           StudyDay = c(1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 
                                        1, 2, 3, 4),
                           Ab = c(10, NA, 15, 10, 10, 20, 10, NA, 10, 10, NA, 30, NA, NA, 15, NA, 10, 20,
                                  10, 30, NA, 10, NA, 20))

现在假设它们在第 2 天和第 4 天出现至关重要，我尝试使用 dplyr 过滤进行子集设置，如下所示：

fakedat2 <- fakedat %>%
  dplyr::group_by(ID) %>%
  dplyr::filter(StudyDay %in% c(2, 4) & !is.na(Ab)) %>%
  dplyr:: ungroup()

编辑：但是这个数据集的 output 只是如果 ID 的 2 或 4 不是 NA 值的列表。 我需要找到（在我的真实数据中）在 4 个特定研究日具有 NA Ab 值的受试者。 我在下面接受的答案有效，但仍然对执行条件过滤感到好奇？ 就像在 SAS 中一样，您可以编写“IF Ab.=NA at (StudyDay=2 AND StudyDay=4) THEN ID....或类似的代码。

Answer 1

也许这会达到你的目标。 如果所有参与者都有所有StudyDay时间点，并且您只想查看第 2 天或第 4 天是否缺失，您可以在filter中检查这些时间点的Ab值。 在这种情况下，如果在第 2 天和第 4 天都为NA （在此示例中为“D”），则将省略ID 。

或者，如果您希望这两个值在第 2 天和第 4 天都可用，您可以使用& (AND) 而不是| （或者）。

library(dplyr)

fakedat %>%
  group_by(ID) %>%
  filter(!is.na(Ab[StudyDay == 2]) | !is.na(Ab[StudyDay == 4]))

如果您有多个要检查的天数，您可以使用all并检查NA的值，其中StudyDay是%in%所需天数的向量，如下所示：

required_vals <- c(2, 4)

fakedat %>%
  group_by(ID) %>%
  filter(all(!is.na(Ab[StudyDay %in% required_vals])))

Output

   ID    StudyDay    Ab
   <chr>    <dbl> <dbl>
 1 A            1    10
 2 A            2    NA
 3 A            3    15
 4 A            4    10
 5 B            1    10
 6 B            2    20
 7 B            3    10
 8 B            4    NA
 9 C            1    10
10 C            2    10
11 C            3    NA
12 C            4    30
13 E            1    10
14 E            2    20
15 E            3    10
16 E            4    30
17 F            1    NA
18 F            2    10
19 F            3    NA
20 F            4    20

Answer 2

在base R中，我们可以做

subset(fakedat, ID %in% ID[StudyDay %in% c(2, 4) & !is.na(Ab)])

-输出

#    ID StudyDay Ab
#1   A        1 10
#2   A        2 NA
#3   A        3 15
#4   A        4 10
#5   B        1 10
#6   B        2 20
#7   B        3 10
#8   B        4 NA
#9   C        1 10
#10  C        2 10
#11  C        3 NA
#12  C        4 30
#17  E        1 10
#18  E        2 20
#19  E        3 10
#20  E        4 30
#21  F        1 NA
#22  F        2 10
#23  F        3 NA
#24  F        4 20

---

或dplyr中的类似选项

library(dplyr)
fakedat %>%
     filter(ID %in% ID[StudyDay %in% c(2, 4) & !is.na(Ab)])