按组计数且计算缺失变量？

Question

我的数据看起来像这样：

df1 <- data.frame(
  Z = sample(LETTERS[1:5], size = 10000, replace = T),
  X1 = sample(c(1:10,NA), 10000, replace = T),
  X2 = sample(c(1:25,NA), 10000, replace = T),
  X3 = sample(c(1:5,NA), 10000, replace = T)
)

我可以使用以下代码来计算缺失的变量：

data.frame("Total Missing" = colSums(is.na(df1))) 

但是，我想通过Z来实现这一点。也就是说，对于每个Z的值，缺失X1-3的数量。

我尝试了这个方法：

df1 %>% group_by(Z) %>% summarise('Total Missing' = colSums(is.na(df1)))

但它并没有像我预期的那样工作。

- Ignacio

Answer 1

你可以使用summarise_each：

df1 %>% 
  group_by(Z) %>% 
  summarise_each(funs(sum(is.na(.))))
#Source: local data frame [5 x 4]
#
#       Z    X1    X2    X3
#  (fctr) (int) (int) (int)
#1      A   169    77   334
#2      B   170    77   316
#3      C   159    78   348
#4      D   181    79   326
#5      E   174    69   341

注意，你可以在summarise_each中指定要应用函数的列（默认为除分组列外的所有列）或不应该应用函数的列。另外，你可能会发现像summarise_each到summarise一样，还有一个mutate_each作为mutate的补充，如果你想将函数应用于所有列而不总结结果。

强制使用data.table的等效方法是：

library(data.table)
setDT(df1)[, lapply(.SD, function(x) sum(is.na(x))), by = Z]
#   Z  X1 X2  X3
#1: D 181 79 326
#2: C 159 78 348
#3: B 170 77 316
#4: A 169 77 334
#5: E 174 69 341

在基本R中，您可以使用拆分/应用/组合的方法来处理如下内容：

do.call(rbind,
        lapply(
          split(df1, df1$Z), function(dd) {
            colSums(is.na(dd[-1]))
          }))
#   X1 X2  X3
#A 169 77 334
#B 170 77 316
#C 159 78 348
#D 181 79 326
#E 174 69 341

或者，同样在基础R中，您可以使用aggregate：

aggregate(df1[-1], list(df1$Z), FUN = function(y) sum(is.na(y))) 
aggregate(. ~ Z, df1, FUN = function(y) sum(is.na(y)), na.action = "na.pass") # formula interface

- talat