計算數據框中的重復行和第一個非 NA 出現

Question

我有以下示例數據集：

library(tidyverse)
dataset <- data.frame(id = c("A","A","B","B","C","A","C","B"), 
                  value = c(100, 500, 200, 100, 500, 300, 400, 100), 
                  status = c(NA, "Valid", NA, NA, "Pend", NA, NA, NA), 
                  stringsAsFactors = FALSE)

我需要的是提取這個具有最高值的唯一 ID，並有它重復的次數和第一個非 NA 狀態。

我是這樣解決的：

dataset_count <- dataset %>% group_by(id) %>% 
summarise(count = n(), comment = max(status, na.rm = TRUE)) %>% ungroup()

dataset_cross <- dataset %>% arrange(desc(value)) %>% 
left_join(dataset_count) %>% distinct(id, .keep_all = TRUE)

但由於我的原始數據集有 120 個變量和更多要遵循的規則，我想知道是否有辦法使其更緊湊。 例如，我閱讀了有關合並的內容，但它不允許我提取分組數據中的第一個 NA。 拜托，你能給點建議嗎？ 謝謝你。

Answer 1

您可以使用max獲得最大值，使用n()計算行數，每個id使用which.max第一個非 NA 值。

library(dplyr)

dataset %>%
  group_by(id) %>%
  summarise(value = max(value), 
            count = n(), 
            status = status[which.max(!is.na(status))])

#  id    value count status
#  <chr> <dbl> <int> <chr> 
#1 A       500     3 Valid 
#2 B       200     3 NA    
#3 C       500     2 Pend  

Answer 2

這是一個基本的 R 解決方案

dfout <- do.call(rbind,
                 c(make.row.names = F,
                   lapply(split(dataset,dataset$id), 
                          function(v) {
                            data.frame(
                              id = unique(v["id"]),
                              value = max(v["value"]),
                              count = nrow(v),
                              status = v$status[which.max(!is.na(v$status))]
                            )
                          })))

以至於

> dfout
  id value count status
1  A   500     3  Valid
2  B   200     3   <NA>
3  C   500     2   Pend