使用rowwise()计算dataframe每行中NA的数量时出现问题
使用rowwise()计算dataframe每行中NA的数量时出现问题
提问于 2021-04-19 00:27:06
我在使用rowwise()计算每一行中的NAs数量时遇到了问题。我的最小示例：
df <- data.frame(Q1 = c(rep(1, 1), rep(NA, 9)),
Q2 = c(rep(2, 2), rep(NA, 8)),
Q3 = c(rep(3, 3), rep(NA, 7))
)
df
Q1 Q2 Q3
1 1 2 3
2 NA 2 3
3 NA NA 3
4 NA NA NA
5 NA NA NA
6 NA NA NA
7 NA NA NA
8 NA NA NA
9 NA NA NA
10 NA NA NA我想创建一个新列来计算每行中的NAs数量。我可以非常简单地这样做：
df$Count_NA <- rowSums(is.na(df))
df
Q1 Q2 Q3 Count_NA
1 1 2 3 0
2 NA 2 3 1
3 NA NA 3 2
4 NA NA NA 3
5 NA NA NA 3
6 NA NA NA 3
7 NA NA NA 3
8 NA NA NA 3
9 NA NA NA 3
10 NA NA NA 3但是如果我尝试使用row()通过dplyr来做这件事，我得到了错误的答案--列Count_NA在每一行中都有相同的数字：
df %>%
rowwise() %>%
mutate(Count_NA = sum(is.na(.)))
# A tibble: 10 x 4
# Rowwise:
Q1 Q2 Q3 Count_NA
<dbl> <dbl> <dbl> <int>
1 1 2 3 24
2 NA 2 3 24
3 NA NA 3 24
4 NA NA NA 24
5 NA NA NA 24
6 NA NA NA 24
7 NA NA NA 24
8 NA NA NA 24
9 NA NA NA 24
10 NA NA NA 24我做错了什么，我该如何解决这个问题？
非常感谢你提前
托马斯·菲利普斯
回答 7
Stack Overflow用户
发布于 2021-04-19 00:34:44
使用cur_data()而不是点。.[cur_group_id(), ]、c(Q1, Q2, Q3)、across()或c_across() (或根据其他答案带有参数的c_across )也可以。
请注意，最好在之后使用ungroup，否则它将保留行的内存，稍后可能会得到意想不到的结果。
df %>%
rowwise() %>%
mutate(Count_NA = sum(is.na(cur_data()))) %>%
ungroup给予：
# A tibble: 10 x 4
Q1 Q2 Q3 Count_NA
<dbl> <dbl> <dbl> <int>
1 1 2 3 0
2 NA 2 3 1
3 NA NA 3 2
4 NA NA NA 3
5 NA NA NA 3
6 NA NA NA 3
7 NA NA NA 3
8 NA NA NA 3
9 NA NA NA 3
10 NA NA NA 3Stack Overflow用户
发布于 2021-04-19 00:36:04
一个问题是，这里的.解析到整个框架，而不仅仅是整行。另一种dplyr方法，使用c_across
df %>%
rowwise() %>%
mutate(a=sum(is.na(c_across(everything()))))
# # A tibble: 10 x 4
# # Rowwise:
# Q1 Q2 Q3 a
# <dbl> <dbl> <dbl> <int>
# 1 1 2 3 0
# 2 NA 2 3 1
# 3 NA NA 3 2
# 4 NA NA NA 3
# 5 NA NA NA 3
# 6 NA NA NA 3
# 7 NA NA NA 3
# 8 NA NA NA 3
# 9 NA NA NA 3
# 10 NA NA NA 3我能看到使用这个和cur_data()之间的最大区别是c_across允许更直接地选择变量，就像在c_across(starts_with("Q"))中一样。诚然，一个人总是可以select(cur_data(),...)，所以这是一个软弱的论点。
Stack Overflow用户
发布于 2021-04-19 00:52:29
baseR应答
df$Count_NA <- apply(df, 1, function(x) sum(is.na(x)))
df
Q1 Q2 Q3 Count_NA
1 1 2 3 0
2 NA 2 3 1
3 NA NA 3 2
4 NA NA NA 3
5 NA NA NA 3
6 NA NA NA 3
7 NA NA NA 3
8 NA NA NA 3
9 NA NA NA 3
10 NA NA NA 3所以可以集成到dplyr管道中
df %>% mutate(count_NA = apply(., 1, function(x) sum(is.na(x))))
Q1 Q2 Q3 count_NA
1 1 2 3 0
2 NA 2 3 1
3 NA NA 3 2
4 NA NA NA 3
5 NA NA NA 3
6 NA NA NA 3
7 NA NA NA 3
8 NA NA NA 3
9 NA NA NA 3
10 NA NA NA 3页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67150864
复制相关文章
相似问题
腾讯云开发者
