在含有NA行的数据框中找到唯一值？

Question

我有一个数据框如下所示。我想找到唯一的行（独特性）。但在这个数据中，我有“NA”。如果一行中所有值与其他行相同（例如行1,2,5），我希望忽略它，但如果不同（例如行2,4），我希望将其保留为唯一的行。 例如，在第1、2和6行中，除了NA之外的所有值都相同，因此因为NA可以是值“1和3”，我希望删除此行并仅保留第2行。 此外，在第6行中，值2和3（不包括NA）与c2和c5行相同，并且c6中可能存在NAs，得到与c2和c5相同的值，因此此行不是唯一的。

此外，@ Sotos解决方案对我有更多帮助，但在最后一部分删除NA后，当为行制定模式时，他的解决方案认为c8和c6具有相同的模式（23）并将它们删除。但实际上c8是唯一的。

数据：

      a1  a2   a3   a4
c1    2    1    3   NA
c2    2    1    3    3
c3    2    1    4    3
c4    2    2    3   NA
c5    2    1    3    3
c6    2    NA   3   NA
c7    2    NA   0   NA
c8    2    3   NA   NA

我希望得到这个输出：

输出：

     a1    a2  a3   a4
c2    2    1    3    3
c3    2    1    4    3
c4    2    2    3   NA
c7    2    NA   0   NA
c8    2    3   NA   NA

- tob

---

那么在检查重复项时，NAs是通配符吗？ - chinsoon12

你可以使用 hclust 来可视化相似性：plot(hclust(dist(your_data_frame)))。 - Mehrad Mahmoudian

Mehrad@ 感谢绘制此图，它是一张具有良好信息的漂亮图表。 - tob

Answer 1

library(stringr) 
df <- unique(df)
#paste rows omitting NAs
df$new <- apply(df, 1, function(i) paste(na.omit(i), collapse = ''))
#use str_detect to determine whether each pattern is found more than once
df$new2 <- rowSums(sapply(df$new, function(i) str_detect(i, df$new)))
new_df <- subset(df, df$new2 == 1)
new_df <- new_df[, !names(new_df) %in% c('new', 'new2')]
new_df
#   V2 V3 V4 V5
#2  2  1  3  3
#3  2  1  4  3
#4  2  2  3 NA

根据您的评论，使用额外的行测试代码：

new_df
#   a1 a2 a3 a4
#c2  2  1  3  3
#c3  2  1  4  3
#c4  2  2  3 NA
#c7  2 NA  0 NA

数据

dput(df)
structure(list(a1 = c(2L, 2L, 2L, 2L, 2L, 2L, 2L), a2 = c(1L, 
1L, 1L, 2L, 1L, NA, NA), a3 = c(3L, 3L, 4L, 3L, 3L, 3L, 0L), 
    a4 = c(NA, 3L, 3L, NA, 3L, NA, NA)), .Names = c("a1", "a2", 
"a3", "a4"), class = "data.frame", row.names = c("c1", "c2", 
"c3", "c4", "c5", "c6", "c7"))

- Sotos

---

@tob，我已经添加了我使用的数据。请使用我使用的数据进行尝试，并让我知道发生了什么。 - Sotos

顺便说一下，我稍微编辑了代码，所以请重新复制并粘贴它。 - Sotos

好的，我们可以处理NA索引，但我现在没有时间。 - Sotos

不，它看起来像 c2，因为值 2 和 3 与 c2 相同，并且 c6 中的 NA 值可以获得与 c2 相同的值。 - tob

好的，现在变得更加复杂了。你需要在问题中澄清这样的事情，并在示例中包括这些情况。 - Sotos

Answer 2

我的解决方案是：

1）获取行中所有没有NA的唯一解决方案。

2）在具有NA的解决方案中，查看其余值是否与另一行相同。

复制数据

df<-data.frame(V1 = rep(2,times = 6),
    V2 = c(1,1,1,2,1,NA),
    V3=c(3,3,4,3,3,3),
    V4=c(NA,3,3,NA,3,NA))

创建两个独特的数据框（一个包含NA，另一个不包含）。

df1<-unique(df[apply(df,MARGIN=1,FUN =function(z) sum(is.na(z)))==0,])
df2<-unique(df[apply(df,MARGIN=1,FUN =function(z) sum(is.na(z)))>0,])

根据条件添加匹配的NA行

for(i in 1:nrow(df2)){
  vec<-df2[i,] 
  w<-is.na(vec)
  if(nrow(merge(vec[!w],df1[,w]))>0){ ###I remove columns where you have NAs
    df1<-rbind(df1,vec)
  }

}

- DeveauP