基于dplyr的NA过滤

Question

这是我的df

df <- structure(structure(list(group = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L), .Label = c("A", "B", "C", "D", "E"), class = "factor"), y = c(NA, NA, NA, NA, 1, NA, NA, NA, 1, 2, NA, NA, 1, 2, 3, NA, 2, 2, 3, 4, NA, 3, 3, 4, 5), x = c(1L, 2L, 3L, 4L,5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L)), .Names = c("group", "y", "x"), row.names = c(NA, 25L), class = "data.frame"))

> df
   group  y x
1      A NA 1
2      A NA 2
3      A NA 3
4      A NA 4
5      A  1 5
6      B NA 1
7      B NA 2
8      B NA 3
9      B  1 4
10     B  2 5
11     C NA 1
12     C NA 2
13     C  1 3
14     C  2 4
15     C  3 5
16     D NA 1
17     D  2 2
18     D  2 3
19     D  3 4
20     D  4 5
21     E NA 1
22     E  3 2
23     E  3 3
24     E  4 4
25     E  5 5

我的目标是使用mutate计算每个x值（跨组）的平均值。但首先，我想过滤数据，只保留至少有3个非NA值的x值。因此，在这个例子中，我只想包括那些x至少为3的条目。我无法想出如何创建filter()，您有什么建议吗？

- erc

---

我认为这些信息不够清晰。您说至少有3个非NA值，是指y列吗？因为x没有任何NA值。如果是这种情况，可以使用下面的代码：df %>% group_by(group) %>% filter(sum(!is.na(y))>=3) %>% mutate(Mean=mean(x, na.rm=TRUE))。 - akrun

是的，抱歉，那就是我想表达的意思。但是你的帮助让我找到了我要寻找的解决方案：df %>% group_by(x) %>% filter(sum(!is.na(y))>=3) %>% mutate(Mean=mean(x, na.rm=TRUE))，非常感谢！ - erc

@beetroot 为什么要按 x 分组？Akrun 的方法更合适。而且列名是 group。 - Rich Scriven

如果我按组分组，则不符合过滤条件的组将被完全删除，如果只按x分组，那么相应的行将被删除。 - erc

@beetroot 感谢您的澄清。但是，从您的帖子中并不是很清楚，通过执行 mutate，您是否会获得与 x 列中相同的值？ - akrun

Answer 1

你可以尝试一下

df %>% 
   group_by(group) %>% #group_by(x) %>% #as per the OP's clarification
   filter(sum(!is.na(y))>=3) %>% 
   mutate(Mean=mean(x, na.rm=TRUE))

- akrun