的R - 記住，是不是NA最新數據，除非只有NA可用

我有三列數據集：今年，市，值看起來像這樣：的R - 記住，是不是NA最新數據，除非只有NA可用

year = c(2010, 2013, 2010, 2013, 2013) 
city = c("Berlin","Berlin", "Munich", "Munich", "Frankfurt") 
value = c(1234, NA, NA, 6372, NA) 
data <- data.frame(year, value1, value2) 

year city value 
1 2010 Berlin 1234 
2 2013 Berlin  NA 
3 2010 Munich  NA 
4 2013 Munich 6372 
5 2013 Frankfurt  NA

我想知道如何子集這使我只保留可用，所以在最後我留下這樣的數據的最新數據：

year city value 
1 2010 Berlin 1234 
2 2013 Munich 6372 
3 2013 Frankfurt  NA

如果我子集上最高的一年中，我得到其中當年有ISN來港數據。如果我的子集是!is.na()，那麼我將丟失所有隻有的行不適用。

我想特別做的是獲得具有數據的給定城市的最高年份，除非該城市僅有NAs，然後是NA的最高年份。我會怎麼做呢？

來源

2016-10-19 LukasKawerau

你到底想子集？從你的例子來看，你似乎不想爲最高年份設置子集，是否還有另一個變量不在此處顯示？ –

啊，否：我想爲城市列設置子集：除了那個城市只有NAs，然後是NA最高的一年，這個城市數據的最高年份。這是否使它更清晰？ – LukasKawerau

我們可以使用data.table。將'data.frame'轉換爲'data.table'（setDT(data)），按'城市'分組，我們指定'i'爲降序order索引中的'年份'，if有any非NA'值'，我們根據第一個非NA'值'的索引或'else'返回Data.table的子集，返回Data.table的子集。

library(data.table) 
setDT(data)[order(-year), if(any(!is.na(value))) 
      .SD[which(!is.na(value))[1L]] else .SD, by = city]

或者通過@大衛Arenburg緊湊的選項，我們得到which.max

setDT(data)[order(-year), .SD[which.max(!is.na(value))], by = city]

索引或使用.I使用的修改，使其更快

setDT(data)[data[order(-year), .I[which.max(!is.na(value))], by = city]$V1]

來源

2016-10-19 10:22:33 akrun

這真的很棒，謝謝！如果我有一個擁有NA的城市多年（如2010年，法蘭克福，NA，2011年，法蘭克福，北美; 2013年，法蘭克福，美國北部），它會保留所有這些年。我如何只保留這種情況下的最新年份？ – LukasKawerau

或者只是'setDT（data）[order（-year），.SD [which.max（！is.na（value））]，by = city]' –

@DavidArenburg這非常好。其實，我正在嘗試與'which'類似。正在通話，所以不能專注於它 – akrun

一個更詳細，迂迴法使用dplyr。它也適用於你有多年NA的情況。

library(dplyr) 
data %>% 
    group_by(city) %>% 
    mutate(all_na = all(is.na(value)), 
     remove = ifelse(all_na, 
         year != max(year), 
         is.na(value))) %>% 
    ungroup() %>% 
    filter(!remove) %>% 
    select(-all_na, -remove)

來源

2016-10-19 10:35:19 Benjamin

max_pos(x)返回位置中的x最後一個非NA元件的x或如果不存在非NA元件返回的x的最後位置。 is_max返回一個在最大位置爲TRUE且在其他地方爲FALSE的邏輯。請注意，ave會將其結果強制爲其第一個參數的類型，因此我們使用!!將其重新轉換爲邏輯。最後，我們將這些元素集中在一起。假設輸入按城市年份分類，就像問題中的情況一樣。

注意max_pos通過使用這些事實變得緊湊：

在seq_along(x) * 0*x的0*x是零向量和NAS因此添加它的NAS出seq_along(x)的相應的元件。也就是說，它給出了與replace(seq_along(x), is.na(x), NA)相同的結果，可用於替代它。
which.max返回一個零長度的結果，如果x都是NA值，並且c(arg1, arg2)[1]給出與if (length(arg1) == 0) arg2 else arg1相同的結果，可以用於它的位置。

沒有使用包裝。

max_pos <- function(x) c(which.max(seq_along(x) + 0*x), length(x))[1] 
is_max <- function(x) seq_along(x) == max_pos(x) 
subset(data, !!ave(value, city, FUN = is_max))

，並提供：

year  city value 
1 2010 Berlin 1234 
4 2013 Munich 6372 
5 2013 Frankfurt NA

來源

2016-10-19 13:14:18

的R - 記住，是不是NA最新數據，除非只有NA可用

回答

相關問題