在 R 中對 dataframe 進行分組后，計算多列中的 NA 數

Question

我有一個數據框df ，它是一個日期Date 、一個區域Region和一個標識符ID ，然后是列中的一系列 12 個變量（例如V1 V2 ...）：

col1 <- as.Date(c("01/01/01","01/02/01","01/03/01","01/01/01","01/02/01","01/03/01"))
col2 <- c(1,1,1,2,2,2)
col3 <- c(8,NA,NA,4,3,5)
col4 <- c(NA,NA,NA,5,3,NA)

df <- data.frame(col1,col2,col3,col4) 
colnames(df) <-c("Date", "ID", "V1", "V2")
df

        Date Region ID V1 V2
1 2022-01-01     R1  1  8 NA
2 2022-01-02     R1  1 NA NA
3 2022-01-03     R1  1 NA NA
4 2022-01-01     R1  2  4  5
5 2022-01-02     R1  2  3  3
6 2022-01-03     R1  2  5 NA

本質上，我想創建另一個數據框來計算每個變量的 NA 數量，按ID和Region分組（可以忽略日期）。 我設法為一個變量獲得了它，但在添加第二個到第十二個時遇到了麻煩：

data.check <- as.data.frame(df %>% group_by(Region,ID) %>% summarise(sum(is.na(V1))))
data.check

  Region ID sum(is.na(V1))
1     R1  1              2
2     R1  2              0

我嘗試了一些通常用於添加列的不同公式和技術，但它們不包含行分組。 以下是我嘗試的一些其他方法：

#Successful for Variable 1
data.check <- as.data.frame(df %>% group_by(Region,ID) %>% summarise(sum(is.na(V1))))

#Tried adding further piping for the second variable - unsuccessful
data.check <- as.data.frame(df %>% group_by(Region,ID) %>% summarise(sum(is.na(V1))) %>% group_by(Region,ID) %>% summarise(sum(is.na(V2))))

#tried adding the piping to a second variable column - unsuccessful
data.check <- as.data.frame(df %>% group_by(Region,ID) %>% summarise(sum(is.na(V1))))
data.check$V2 <- as.data.frame(data.check %>% group_by(Region,ID) %>% summarise(sum(is.na(df$V2))))

#tried only adding the sum of NA but it does not group by row "ID and Region" values and adds the entire column total
data.check$V2 <- sum(is.na(df$V2))

有誰知道我如何添加額外的列，計算每個 ID 的每個變量中的 NA 數量？ 抱歉，如果我缺少一個簡單的方法，我對 R 還是很陌生。 提前感謝您的投入！

Answer 1

我真的很喜歡這個叫做collapse的庫

這是如何在該庫中執行此操作的示例。 如果您需要 go 回 dplyr，它可以與 dplyr 鏈接。

library(collapse)

df |> 
  fgroup_by(ID) |> 
  dapply(is.na) |> 
  fsum() |> 
  ungroup()

  ID Date V1 V2
1  1    0  2  3
2  2    0  0  1

在 dplyr 中，跨 function 允許您指定列，如果您將其留空，就像我一樣，只留下一個逗號，它總結了所有內容

df |> 
  group_by(ID) |> 
  summarise(across(, ~ sum(is.na(.x))), .groups = "drop")

Answer 2

我提出兩種方法：
使用 dplyr：

df %>% 
  group_by(Region,ID) %>%
  summarise_each(list(na_count = ~sum(is.na(.))))

或 data.table：

library(data.table)
setDT(df)[, lapply(.SD, function(x) sum(is.na(x))), by = .(Region, ID)]