按组统计完整案例数量。

Question

按组统计完整案例数量。

3

我有一个大数据集（大约10000行），想要创建一个函数来计算每个组的完整案例数量（不包括NAs）。我尝试了各种函数（aggregate，table，sum（complete.cases），group_by等），但是我似乎错过了一个 - 可能很小的 - 技巧。感谢任何帮助！

这里是一个小样本数据集，用于解释我需要的结果。

x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))
print(x)
#  group age speed
#1     1   4    12
#2     2   3    NA
#3     3   2    15
#4     4   1    NA
#5     1  11    12
#6     2  NA    NA
#7     3  13    15
#8     4  NA    NA

我写的一个函数如下：

CountPerGroup <- function(group) {
    data.set <- subset(x,group %in% group)

    vect <- vector()
    for (i in 1:length(group)) {
        vect[i] <- sum(complete.cases(data.set))
    }
    output <- data.frame(cbind(group,count=vect))   
    return(output)

}

执行

的结果是：

CountPerGroup(2:1)

is

  group count
1     2     4
2     1     4

不幸的是，这是错误的。相反，结果应该看起来像这样。

  group count
1     2     1
2     1     4

我错过了什么？我该如何告诉R按组计算complete.cases的数量？非常感谢您对此的任何帮助！

- user2006697

抱歉，它没有给我正确的结果...也许我没有正确使用你的代码 - 你会如何在函数中实现它？ - user2006697

你如何计算第一组4个完整案例和第二组1个完整案例？请注意，完整案例与非丢失值的数量不同。 - Anders Ellern Bilgrau

如果您有大量的数据，您也可以使用data.table，这个包通常是为此目的而制作的！ - Colonel Beauvel

4个回答

2

如果您只是想找到每个组中非NA值的完整计数方法，可以使用以下方式：

library(plyr)
x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))

counts <- ddply(x, "group", summarize, count=sum(!is.na(c(age, speed))))

##   group count
## 1     1     4
## 2     2     1
## 3     3     4
## 4     4     1

你可能错过了一个允许你查询子集的函数，但是你可以通过一行代码计算出完整的解决方案。

- Zachary Cross

0

这里有一种使用 data.table 的方法

library(data.table)
library(functional)

countPerGroup = function(x, vec)
{
    dt = data.table(x) 
    d1 = setkey(dt, group)[group %in% vec]
    d2 = d1[,lapply(.SD, Compose(Negate(is.na), sum)),by=group]
    transform(d2, count=age+speed, speed=NULL, age=NULL)
}


countPerGroup(x, 1:2)
#   group count
#1:     1     4
#2:     2     1

countPerGroup(x, c(1,2))
#   group count
#1:     1     4
#2:     2     1

如果您的data.table中有大量行，它尤其高效！

- Colonel Beauvel

谢谢您。目前对我来说有点太高级了，但我会保存它以备将来使用！ - user2006697

Compose和Negate是函数式包中非常直观的函数，你应该看一下！ - Colonel Beauvel

0

我刚遇到同样的问题，找到了一个更简单的解决方案

library(data.table)

x <- data.table(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))
x[,sum(complete.cases(.SD)), by=group]

- Adam Waring

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Anders Ellern Bilgrau · Accepted Answer

如果你想保持功能，那么类似下面这样的代码就可以实现：

x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))

CountPerGroup <- function(x, groups) {
  data.set <- subset(x, group %in% groups)
  ans <- sapply(split(data.set, data.set$group), 
                function(y) sum(complete.cases(y)))
  return(data.frame(group = names(ans), count = unname(ans)))
}


CountPerGroup(x, 1:2)
#  group count
#1     1     2
#2     2     0

从我目前所能计算的结果来看，第一个结果是正确的。但它与你建议的结果不符。

编辑：

看起来你想要非NA的数量并正确排序。请使用这个函数代替。

CountPerGroup2 <- function(x, groups) {
   data.set <- subset(x, group %in% groups)
   ans <- sapply(split(data.set, data.set$group), 
                 function(y) sum(!is.na(y[, !grepl("group", names(y))])))[groups]
   return(data.frame(group = names(ans), count = unname(ans)))
}

CountPerGroup2(x, 2:1)
#  group count
#1     2     1
#2     1     4