合并数据框中的行，其中行是不相交的且包含NA值。

Question

我有一个包含两行的数据框：

| code | name  | v1 | v2 | v3 | v4 |
|------|-------|----|----|----|----|
| 345  | Yemen | NA | 2  | 3  | NA |
| 346  | Yemen | 4  | NA | NA | 5  |

有没有简单的方法可以合并这两行？ 如果我将“345”重命名为“346”，会不会更容易一些？

- LukasKawerau

---

您需要一些规则来组合非NA列，例如您是否总是选择第一个或最后一个出现的值，在数值列中取平均值等。 - mnel

这里需要使用coalesce()功能。在这个帖子中找到了一个很好的讨论：[链接]https://dev59.com/WGIk5IYBdhLWcg3wdd_Y[链接] - GoodGuyIroh

Answer 1

你可以使用 aggregate。假设你想合并列 name 中相同值的行：

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

这就像SQL中的 SELECT name, min(v1) GROUP BY name。 min函数是任意的，你也可以使用max或mean，所有这些函数都将返回非NA值，如果na.rm = TRUE，则从NA和非NA值中返回。

然而，你首先应该检查给定name的所有非NA值是否相同。例如，分别使用min和max来运行aggregate并进行比较，或者使用range运行它。

最后，如果你有比v1-4更多的变量，你可以使用DF[,!(names(DF) %in% c("code","name"))]来定义列。

- Daniel Sparing

---

运行您的示例代码会出现错误：DF$name: $ operator is invalid for atomic vectors。 - tumultous_rooster

@MattO'Brien 你的DF是什么样子的？它是一个数据框吗？它有多个列吗？你有复制错误的代码吗？ - Daniel Sparing

Answer 2

为了让内容更加完整，我们将介绍使用 dplyr 和 data.table解决方案。

使用 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://dev59.com/M1cO5IYBdhLWcg3wny6-#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

使用data.table

# Ref: https://dev59.com/JV4c5IYBdhLWcg3wVpFI/
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

- Tung