在tidyverse中按行应用apply()的等效方法？

Question

我希望在data.frame中插入一个新的列，当行中至少有一个缺失值时，该值为TRUE，否则为FALSE。

对于这个问题，apply是一个完美的应用场景:

编辑 - 添加示例

tab <- data.frame(a = 1:10, b = c(NA, letters[2:10]), c = c(LETTERS[1:9], NA))

tab$missing <- apply(tab, 1, function(x) any(is.na(x)))

然而，我加载了strict包，并且出现了这个错误：apply()将X强制转换为矩阵，因此在使用数据框时是危险的。请改用lapply()。

我知道我可以安全地忽略这个错误，但是我想知道是否有一种使用tidyverse包之一的简单方法进行编码。我尝试过dplyr，但没有成功：

tab %>% 
  rowwise() %>% 
  mutate(missing = any(is.na(.), na.rm = TRUE))

- Kevin Zarca

---

你尝试过使用 purrr::by_row() 吗？ - Hanjo Odendaal

很遗憾，这个已经被废弃了，可以使用purrrlyr代替。 - alistaire

顺便说一句，你也可以使用“Margin = 1”方法避免令人讨厌的“apply”，并在“rowSums（is.na（tab））> 0”的向量化行中执行某些操作。 - Sotos

尝试这样做：apply(is.na(tab), 1, any) 或 vapply(split(tab, 1:nrow(tab)), f, logical(1))，其中 f 是问题中的匿名函数。 - G. Grothendieck

我认为这个问题的标题有误导性。标题应该是“如何使用Tidyverse向数据框中添加列”。至今还没有回答什么是Tidyverse相当于按行应用函数的方法。建议编辑队列当前已满。 - Kasper Thystrup Karstensen

@HanjoOdendaal实际上提供了这个问题的一个答案，尽管by_row现在已经被弃用。 - Kasper Thystrup Karstensen

Answer 1

如果您想避免强制转换为矩阵，可以使用purrr::pmap，它可以并行迭代列表中的元素并将其传递给函数：

library(tidyverse)

tab <- data_frame(a = 1:10, 
                  b = c(NA, letters[2:10]), 
                  c = c(LETTERS[1:9], NA))

tab %>% mutate(missing = pmap_lgl(., ~any(is.na(c(...)))))
#> # A tibble: 10 x 4
#>        a     b     c missing
#>    <int> <chr> <chr>   <lgl>
#>  1     1  <NA>     A    TRUE
#>  2     2     b     B   FALSE
#>  3     3     c     C   FALSE
#>  4     4     d     D   FALSE
#>  5     5     e     E   FALSE
#>  6     6     f     F   FALSE
#>  7     7     g     G   FALSE
#>  8     8     h     H   FALSE
#>  9     9     i     I   FALSE
#> 10    10     j  <NA>    TRUE

在这个函数中，c 是必要的，以将传递给函数 ... 的所有参数放入一个向量中，该向量可以传递给 is.na 并与 any 折叠。带有 *_lgl 后缀的 pmap 将结果简化为布尔向量。

请注意，虽然这种方法避免了强制转换为矩阵，但它不一定比执行强制转换的方法更快，因为矩阵操作在 R 中高度优化。更明智的做法可能是显式强制转换为矩阵，例如：

tab %>% mutate(missing = rowSums(is.na(as.matrix(.))) > 0)

该函数返回相同的结果。

- alistaire

Answer 2

您可以使用complete.cases函数：

tab %>% mutate(missing = !complete.cases(.))

要删除一个或多个NA的行，请使用：

tab %>% filter(complete.cases(.))

- wint3rschlaefer

Answer 3

这适用于示例数据：

library(tidyverse)

tab <- data_frame(a = 1:10, 
                  b = c(NA, letters[2:10]), 
                  c = c(LETTERS[1:9], NA))

tab_1 <- tab %>% mutate(missing = ifelse(is.na(b), TRUE, ifelse(is.na(c), TRUE, FALSE)))

> tab_1
    a    b    c missing
1   1 <NA>    A    TRUE
2   2    b    B   FALSE
3   3    c    C   FALSE
4   4    d    D   FALSE
5   5    e    E   FALSE
6   6    f    F   FALSE
7   7    g    G   FALSE
8   8    h    H   FALSE
9   9    i    I   FALSE
10 10    j <NA>    TRUE

- Rory Shaw