如何统计每个分组中的NA数量？

Question

有人可以解释一下为什么我使用聚合函数按组统计缺失值时会得到不同的答案吗？此外，是否有更好的方法使用R本地函数按组计算缺失值？

DF <- data.frame(YEAR=c(2000,2000,2000,2001,2001,2001,2001,2002,2002,2002), X=c(1,NA,3,NA,NA,NA,7,8,9,10))
DF

aggregate(X ~ YEAR, data=DF, function(x) { sum(is.na(x)) })
with(DF, aggregate(X, list(YEAR), function(x) { sum(is.na(x)) }))

aggregate(X ~ YEAR, data=DF, function(x) { sum(! is.na(x)) })
with(DF, aggregate(X, list(YEAR), function(x) { sum(! is.na(x)) }))

- user1491868

Answer 1

在?aggregate的帮助页面中指出，公式方法有一个参数na.action，默认设置为na.omit。

将该参数更改为NULL或na.pass，以获得您可能期望的结果：

# aggregate(X ~ YEAR, data=DF, function(x) {sum(is.na(x))}, na.action = na.pass)
aggregate(X ~ YEAR, data=DF, function(x) {sum(is.na(x))}, na.action = NULL)
#   YEAR X
# 1 2000 1
# 2 2001 3
# 3 2002 0

- A5C1D2H2I1M1N2O1R2T1

Answer 2

使用dplyr的选项

library(dplyr)

DF %>% 
    group_by(YEAR) %>% 
    summarise(sum_na = sum(is.na(x)))

或者如果你想使用 across 动态选择列：

DF %>% 
    group_by(YEAR) %>% 
    summarise(across(X,  ~sum(is.na(.))))

# A tibble: 3 × 2
   YEAR sum_na
  <dbl>  <int>
1  2000      1
2  2001      3
3  2002      0

- user438383

Answer 3

library(dplyr)
library(tidyr)

#say you want to get missing values from group 1
dataframe %>% filter(group = 1 & is.na(another_column))

#missing values from group 2
dataframe %>% filter(group = 2 & is.na(another_column))

- Pranay Aryal

---

这并没有回答如何在聚合或分组过程中计算NA的数量。 - Jenks