r按標准和因子組划分的子集行

Question

我有這個帶有很多NA的data.frame：

df <- data.frame(a = rep(letters[1:3], each = 3), 
                 b = c(NA, NA, NA, 1, NA, 3, NA, NA, 7))
df
> df
  a  b
1 a NA
2 a NA
3 a NA
4 b  1
5 b NA
6 b  3
7 c NA
8 c NA
9 c  7

我想將此數據幀子集化，以僅獲取具有不少於兩個值的因子組行，例如：

  a  b
1 b 1
2 b NA
3 b 3

我試過這個功能，但它不起作用：

subset(df, sum(!is.na(b)) < 1, by = a)

> [1] a b
<0 rows> (or 0-length row.names)

有什么建議嗎？ （歡迎其他包裝解決方案）

Answer 1

我們可以使用data.table 。 if邏輯向量的sum （即非NA元素 - !is.na(b) ）大於， if 'data.frame'轉換為'data.table'（ setDT(df) ），按'a'分組。 1，然后Subset Data.table。

library(data.table)
setDT(df)[,if(sum(!is.na(b))>1) .SD , by = a]
#   a  b
#1: b  1
#2: b NA
#3: b  3

---

或者使用dplyr ，使用相同的邏輯，在按'a'分組后，我們filter行。

library(dplyr)
df %>% 
    group_by(a) %>%
    filter(sum(!is.na(b))>1)
#      a     b
#  <fctr> <dbl>
#1      b     1
#2      b    NA
#3      b     3

---

或者在帶有ave base R

df[with(df, ave(b, a, FUN = function(x) sum(!is.na(x))>1)!=0),]

Answer 2

一種方法是使用aggregate 。 計算每個唯一a非NA的元素數，然后從數據幀中設置這些行。

agg <- aggregate(b~a, df, function(x) length(!is.na(x)) >= 2)
df[df$a %in% agg[agg$b, "a"], ]

#  a  b
#4 b  1
#5 b NA
#6 b  3

---

另一種選擇是使用table 。

df[df$a %in% names(which(table(df$a, is.na(df$b))[,1] > 1)), ]


#  a  b
#4 b  1
#5 b NA
#6 b  3