Объединить строки в фрейме данных, где строки не пересекаются и содержат NA
У меня есть фреймворк с двумя строками:
| code | name | v1 | v2 | v3 | v4 |
|------|-------|----|----|----|----|
| 345 | Yemen | NA | 2 | 3 | NA |
| 346 | Yemen | 4 | NA | NA | 5 |
Есть ли простой способ объединить эти две строки?
Что, если я переименую "345" в "346", облегчит ли это?
Ответы
Ответ 1
Вы можете использовать aggregate. Предполагая, что вы хотите объединить строки с одинаковыми значениями в столбце name:
aggregate(x=DF[c("v1","v2","v3","v4")], by=list(name=DF$name), min, na.rm = TRUE)
name v1 v2 v3 v4
1 Yemen 4 2 3 5
Это похоже на SQL SELECT name, min(v1) GROUP BY name. Функция min произвольна, вы также можете использовать max или mean, все из них возвращают значение non-NA из NA и значение non-NA, если na.rm = TRUE.
(Функция SQL-like coalesce() будет звучать лучше, если она существует в R.)
Однако сначала вы должны проверить, все ли значения non-NA для данного name идентичны. Например, запустите aggregate как с min, так и max и сравните, или запустите его с помощью range.
Наконец, если у вас есть намного больше переменных, чем просто v1-4, вы можете использовать DF[,!(names(DF) %in% c("code","name"))] для определения столбцов.
Ответ 2
Добавление dplyr & data.table для полноты
Использование dplyr::coalesce()
library(dplyr)
sum_NA <- function(x) {if (all(is.na(x))) x[NA_integer_] else sum(x, na.rm = TRUE)}
df %>%
group_by(name) %>%
summarise_all(sum_NA)
#> # A tibble: 1 x 6
#> name code v1 v2 v3 v4
#> <fct> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 Yemen 691 4 2 3 5
# Ref: https://stackoverflow.com/a/45515491
# Supply lists by splicing them into dots:
coalesce_by_column <- function(df) {
return(dplyr::coalesce(!!! as.list(df)))
}
df %>%
group_by(name) %>%
summarise_all(coalesce_by_column)
#> # A tibble: 1 x 6
#> name code v1 v2 v3 v4
#> <fct> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 Yemen 345 4 2 3 5
Использование data.table
# Ref: https://stackoverflow.com/q/28036294/
library(data.table)
setDT(df)[, lapply(.SD, na.omit), by = name]
#> name code v1 v2 v3 v4
#> 1: Yemen 345 4 2 3 5
#> 2: Yemen 346 4 2 3 5
setDT(df)[, code := NULL][, lapply(.SD, na.omit), by = name]
#> name v1 v2 v3 v4
#> 1: Yemen 4 2 3 5
setDT(df)[, code := NULL][, lapply(.SD, sum_NA), by = name]
#> name v1 v2 v3 v4
#> 1: Yemen 4 2 3 5
