![](/img/trans.png)
[英]How to specify custom return value for Max, Min in R for empty input (instead of the default +Inf and -Inf)?
[英]With min() in R return NA instead of Inf
請考慮以下幾點:
我最近“發現”了很棒的plyr
和dplyr
包,並使用它們來分析數據框中可用的患者數據。 這樣的數據框可能如下所示:
df <- data.frame(id = c(1, 1, 1, 2, 2), # patient ID
diag = c(rep("dia1", 3), rep("dia2", 2)), # diagnosis
age = c(7.8, NA, 7.9, NA, NA)) # patient age
我想用中位數和平均值總結所有患者的最小患者年齡。 我做了以下事情:
min.age <- df %>%
group_by(id) %>%
summarise(min.age = min(age, na.rm = T))
由於數據框中有NAs
,我收到警告:
`Warning message: In min(age, na.rm = T) :
no non-missing arguments to min; returning Inf`
使用Inf
我無法以有意義的方式調用summary(df$min.age)
。
使用pmin()
而不是min
返回錯誤消息:
Error in summarise_impl(.data, dots) :
Column 'in.age' must be length 1 (a summary value), not 3
我能做些什么來避免任何Inf
而是得到NA
以便我可以進一步繼續: summary(df$min.age)
?
非常感謝!
您可以使用is.infinite()
來檢測無窮大,並使用ifelse
有條件地將它們設置為NA
。
#using your df and the dplyr package
min.age <-
df %>%
group_by(id) %>%
summarise(min.age = min(age, na.rm = T)) %>%
mutate(min.age = ifelse(is.infinite(min.age), NA, min.age))
您的代碼執行以下操作:
id
分組min
函數應用於age
變量,並啟用na.rm=TRUE
選項。 因此,對於1
id
,您會得到min(c(7.8, NA, 7.9), na.rm=TRUE)
,這與min(c(7.8, 7.9))
,僅為 7.8。
然后,對於2
id
,你得到min(c(NA, NA), na.rm=TRUE)
,這與min(c())
。
現在,一組空數字的最小值是多少? “最小值”的定義是“一個小於集合中所有值的值”,並且必須滿足 min(A) <= min(B) 只要 B 是 A 的一個子集。定義最小值的一種方法空集是說它是“無窮大”,這就是 R 處理這種情況的方式。
在這種情況下,您真的無法避免獲得Inf
。 但是您可以向您的鏈中添加另一個mutate
以將任何Inf
更改為您喜歡的任何內容,例如NA
。
df %>% group_by(id) %>% summarize(min_age = min(age, na.rm = TRUE)) %>%
mutate(min_age = ifelse(is.infinite(min_age), NA, min_age))
(min.age <- df %>%
group_by(id) %>%
summarise(min.age = ifelse(all(is.na(age)),NA,min(age, na.rm = T))))
# A tibble: 2 x 2
id min.age
<dbl> <dbl>
1 1 7.8
2 2 NA
一個更簡單的解決方案是 hablar 包中的 s 函數。 在以最小/最大計算之前,它用 NA 替換空向量。 @awchisholm 的代碼塊可能是:
library(hablar)
min.age <- df %>%
group_by(id) %>%
summarise(min.age = min(s(age)))
免責聲明我對這個解決方案有偏見,因為我創作了這個包。
問題已得到解答,但有必要指出,如果所討論的列是日期或日期時間,那么它在匯總表中仍會顯示為 NA,但實際上並非如此。 這令人倍感困惑! 考慮:
library(dplyr)
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
df <- data.frame(date = as.Date(c("2013-01-01", "2013-05-23", "", "2017-04-15", "", "")),
int = c(1L, 2L, NA, 4L, NA, NA),
group = rep(LETTERS[1:3],2))
s1 <- df %>% group_by(group) %>% summarise(min_date = min(date), min_int = min(int)) %>% mutate(min_date_missing = is.na(min_date), min_int_missing = is.na(min_int))
#> Warning: package 'bindrcpp' was built under R version 3.4.4
s2 <- df %>% group_by(group) %>% summarise(min_date = min(date, na.rm = TRUE), min_int = min(int, na.rm = TRUE)) %>% mutate(min_date_missing = is.na(min_date), min_int_missing = is.na(min_int))
df
#> date int group
#> 1 2013-01-01 1 A
#> 2 2013-05-23 2 B
#> 3 <NA> NA C
#> 4 2017-04-15 4 A
#> 5 <NA> NA B
#> 6 <NA> NA C
s1
#> # A tibble: 3 x 5
#> group min_date min_int min_date_missing min_int_missing
#> <fct> <date> <dbl> <lgl> <lgl>
#> 1 A 2013-01-01 1. FALSE FALSE
#> 2 B NA NA TRUE TRUE
#> 3 C NA NA TRUE TRUE
s2
#> # A tibble: 3 x 5
#> group min_date min_int min_date_missing min_int_missing
#> <fct> <date> <dbl> <lgl> <lgl>
#> 1 A 2013-01-01 1. FALSE FALSE
#> 2 B 2013-05-23 2. FALSE FALSE
#> 3 C NA Inf FALSE FALSE
s1[[3,2]]
#> [1] NA
s2[[3,2]]
#> [1] NA
is.na(s1[[3,2]])
#> [1] TRUE
is.na(s2[[3,2]])
#> [1] FALSE
s1[[3,2]] == Inf
#> [1] NA
s2[[3,2]] == Inf
#> [1] TRUE
s1[[3,3]]
#> [1] NA
s2[[3,3]]
#> [1] Inf
is.na(s1[[3,3]])
#> [1] TRUE
is.na(s2[[3,3]])
#> [1] FALSE
s1[[3,2]] == Inf
#> [1] NA
s2[[3,2]] == Inf
#> [1] TRUE
sessionInfo()
#> R version 3.4.3 (2017-11-30)
#> Platform: x86_64-apple-darwin15.6.0 (64-bit)
#> Running under: macOS High Sierra 10.13.5
#>
#> Matrix products: default
#> BLAS: /Library/Frameworks/R.framework/Versions/3.4/Resources/lib/libRblas.0.dylib
#> LAPACK: /Library/Frameworks/R.framework/Versions/3.4/Resources/lib/libRlapack.dylib
#>
#> locale:
#> [1] en_AU.UTF-8/en_AU.UTF-8/en_AU.UTF-8/C/en_AU.UTF-8/en_AU.UTF-8
#>
#> attached base packages:
#> [1] stats graphics grDevices utils datasets methods base
#>
#> other attached packages:
#> [1] bindrcpp_0.2.2 dplyr_0.7.4
#>
#> loaded via a namespace (and not attached):
#> [1] Rcpp_0.12.17 utf8_1.1.3 crayon_1.3.4 digest_0.6.15
#> [5] rprojroot_1.3-2 assertthat_0.2.0 R6_2.2.2 backports_1.1.2
#> [9] magrittr_1.5 evaluate_0.10.1 pillar_1.2.1 cli_1.0.0
#> [13] rlang_0.2.0.9001 stringi_1.1.7 rmarkdown_1.9 tools_3.4.3
#> [17] stringr_1.3.0 glue_1.2.0 yaml_2.1.18 compiler_3.4.3
#> [21] pkgconfig_2.0.1 htmltools_0.3.6 bindr_0.1.1 knitr_1.20
#> [25] tibble_1.4.2
這個看起來很有趣,因為它避免了警告:
myMin <- function(vec) {
ifelse(length(vec[!is.na(vec)]) == 0, NA_real_, min(vec, na.rm = TRUE))
}
我更喜歡選擇我自己的無效值。 說200
將是Age
無效值。
現在可以稍微扭曲min
函數的使用。 例如min(age, 200, na.rm = TRUE)
。 這確保當所有值都丟失時,年齡顯示為200
而不是+Inf
。 df
的結果將是:
min.age <- df %>%
group_by(id) %>%
summarise(min.age = min(age, 200, na.rm = T))
> min.age
# A tibble: 2 x 2
# id min.age
# <dbl> <dbl>
#1 1.00 7.80
#2 2.00 200
現在,取決於程序員如何使用/替換這個無效值。
這是一個 function 可以與min
一起使用,但也可以與max
或mean
一起使用,從而避免了這個問題,並使其更通用:
soft <- function(x, f, ...) ifelse(all(is.na(x)), NA, f(x, na.rm = TRUE, ...))
例如:
library(dplyr)
df <- data.frame(id = c(1, 1, 1, 2, 2), # patient ID
diag = c(rep("dia1", 3), rep("dia2", 2)), # diagnosis
age = c(7.8, NA, 7.9, NA, NA), # patient age
age2 = c(1, 2, 3, 4, 5)) # new column
df %>%
group_by(id) %>%
mutate(across(c(age, age2), list(min = ~ soft(.x, min),
max = ~ soft(.x, max),
mean = ~ soft(.x, mean))))
id diag age age2 age_min age_max age_mean age2_min age2_max age2_mean
<dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1 dia1 7.8 1 7.8 7.9 7.85 1 3 2
2 1 dia1 NA 2 7.8 7.9 7.85 1 3 2
3 1 dia1 7.9 3 7.8 7.9 7.85 1 3 2
4 2 dia2 NA 4 NA NA NA 4 5 4.5
5 2 dia2 NA 5 NA NA NA 4 5 4.5
使用collapse::fmin
:
fmin(NA, na.rm = TRUE)
# [1] NA
請注意, na.rm
默認為TRUE
,因此fmin
就足夠了。
fmin(c(NA, 1, 2))
# [1] 1
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.