根據r中的NA值對實例進行分組

Question

我正在讀取一個csv文件，不幸的是我的數據框缺少許多值。 一個小片段如下：

df <- data.frame(Size= c(800, 850, 1100, 1200, 1000), 
                 Value= c(900, NA, 1300, 1100, NA),
                 Location= c(NA, 'midcity', 'uptown', NA, 'Lakeview'),
                 Num1 = c(2, NA, 3, 2, NA),
                 Num2 = c(2,3,3,1,2),
                 Rent= c('y', 'y', 'n', 'y', 'n'))

我想使用weka預測一些結果，但是如果缺少多個屬性，則無法做到。 我知道我應該使用is.na函數，但是我不確定可以用什么方式完成，因為到目前為止，我僅將其用於求和和計數。

編輯：例如，在此文件中，我缺少5個實例中的4個值。 實例2和實例5共享相同的缺失屬性（B和D），而實例1和實例4也共享相同的缺失值（C）。 我想要得到的是一個由這些實例組成的數據框，因此我可以將其導出到文件中並分別對這些文件進行分析。 輸出的示例可能是

> A

> B

編輯2：

我想保存拆分，到目前為止，我嘗試了以下操作：

write.csv(split(temp, index), file = "C:/Users/Nikita/Desktop/splits.csv", row.names=FALSE)

但是它將所有拆分寫入一行。 有沒有辦法用一條線將它們分開？

編輯3：

我的步驟是：

data <- read.csv("location")
index <- apply(is.na(data)*1, 1,paste, collapse = "")
s <- split(data, index)
lapply(s, function(x) {names(x) <- names(data);x})
big.data <- do.call(rbind, s)
write.csv(big.data, file = "location", row.names=FALSE)

我想念什么嗎？

Answer 1

df[!is.na(df$Value), ]
  Size Value Location Num1 Num2 Rent
1  800   900     <NA>    2    2    y
3 1100  1300   uptown    3    3    n
4 1200  1100     <NA>    2    1    y

和

df[is.na(df$Value), ]
  Size Value Location Num1 Num2 Rent
2  850    NA  midcity   NA    3    y
5 1000    NA Lakeview   NA    2    n

將來，請創建一個可復制的示例，以使用戶不必從您的問題中手動創建數據框。 圖片沒有幫助。

數據

df <- data.frame(Size= c(800, 850, 1100, 1200, 1000), 
                 Value= c(900, NA, 1300, 1100, NA),
                 Location= c(NA, 'midcity', 'uptown', NA, 'Lakeview'),
                 Num1 = c(2, NA, 3, 2, NA),
                 Num2 = c(2,3,3,1,2),
                 Rent= c('y', 'y', 'n', 'y', 'n'))

要合並所有內容，請使用lapply，因為split創建了一個列表：

lapply(split(temp, index), write.csv, file = "C:/Users/Nikita/Desktop/splits.csv", row.names=FALSE)

使用for循環：

s <- split(temp, index)
for (i in 1:length(s)) {
  write.csv(s[i], file = paste0("C:/Users/Nikita/Desktop/", i, "splits.csv"), row.names=FALSE)
}

Answer 2

重新創建示例數據：

df <- data.frame(Size= c(800, 850, 1100, 1200, 1000), 
                 Value= c(900, NA, 1300, 1100, NA),
                 Location= c(NA, 'midcity', 'uptown', NA, 'Lakeview'),
                 Num1 = c(2, NA, 3, 2, NA),
                 Num2 = c(2,3,3,1,2),
                 Rent= c('y', 'y', 'n', 'y', 'n'))

現在，根據需要按NA模式拆分數據：

# This generates an index with 1 for a column with NA and 0 otherwise
index <- apply(is.na(df)*1, 1,paste, collapse = "")

# This splits the data.frame according to the index
split(df, index)
$`000000`
  Size Value Location Num1 Num2 Rent
3 1100  1300   uptown    3    3    n

$`001000`
  Size Value Location Num1 Num2 Rent
1  800   900     <NA>    2    2    y
4 1200  1100     <NA>    2    1    y

$`010100`
  Size Value Location Num1 Num2 Rent
2  850    NA  midcity   NA    3    y
5 1000    NA Lakeview   NA    2    n

注意，第一個元素“ 000000”包括所有具有完整案例的觀察值。 然后，“ 001000”包括缺少第3列（位置）的所有觀察值。 等等。