如何將數據框的兩列與缺失數據結合？

Question

這是this earlier question的擴展。我怎樣才能結合了數據幀的兩列

data <- data.frame('a' = c('A','B','C','D','E'), 
        'x' = c("t",2,NA,NA,NA), 
        'y' = c(NA,NA,NA,4,"r")) 

顯示爲

'a' 'x' 'y' 
A t NA 
B 2 NA 
C NA NA 
D NA 4 
E NA r 

得到

'a' 'mycol' 
    A t 
    B 2 
    C NA 
    D 4 
    E r 

我想這

cbind(data[1], mycol = na.omit(unlist(data[-1]))) 

但它顯然沒有按保持NA行。

Answer 1

您可以通過使用ifelse，這樣做：

data$mycol <- ifelse(!is.na(data$x), data$x, data$y) 

> data 

## a x y mycol 
## 1 A 1 NA  1 
## 2 B 2 NA  2 
## 3 C NA NA NA 
## 4 D NA 4  4 
## 5 E NA 5  5 

Answer 2

用你的邏輯去，你可以做到以下幾點：

cbind(data[1], mycol = unlist(apply(data[2:3], 1, function(i) ifelse(
    length(is.na(i))==length(i), 
    na.omit(i), 
    NA) 
))) 

# a mycol 
#1 A  1 
#2 B  2 
#3 C NA 
#4 D  4 
#5 E  5 

Answer 3

這已間接尋址here。這是基於這樣一個簡單的解決方案：

data$mycol <- coalesce(data$x, data$y) 

Answer 4

擴展答案任意數量的列，並使用純max.col()功能我發現多虧了這個問題：

coalesce <- function(value_matrix) { 
    value_matrix <- as.matrix(value_matrix) 
    first_non_missing <- max.col(!is.na(value_matrix), ties.method = "first") 
    indices <- cbind(
    row = seq_len(nrow(value_matrix)), 
    col = first_non_missing 
) 
    value_matrix[indices] 
} 

data$mycol <- coalesce(data[, c('x', 'y')]) 
data 
# a x y mycol 
# 1 A 1 NA  1 
# 2 B 2 NA  2 
# 3 C NA NA NA 
# 4 D NA 4  4 
# 5 E NA 5  5 

max.col(..., ties.method = "first")回報，對於每一行，第一列的索引具有最大值。由於我們在邏輯矩陣上使用它，所以最大值通常是TRUE。所以我們將得到每行的第一個非NA值。如果整行是NA，那麼我們將根據需要得到NA的值。

之後，該函數使用行列索引矩陣來對這些值進行子集合。

編輯

相較於mrip's coalesce，我max.col較慢時，有幾個長列，但是當有許多短柱更快。

coalesce_reduce <- function(...) { 
    Reduce(function(x, y) { 
    i <- which(is.na(x)) 
    x[i] <- y[i] 
    x}, 
    list(...)) 
} 

coalesce_maxcol <- function(...) { 
    value_matrix <- cbind(...) 
    first_non_missing <- max.col(!is.na(value_matrix), ties.method = "first") 
    indices <- cbind(
    row = seq_len(nrow(value_matrix)), 
    col = first_non_missing 
) 
    value_matrix[indices] 
} 

set.seed(100) 

wide <- replicate(
    1000, 
    {sample(c(NA, 1:10), 10, replace = TRUE)}, 
    simplify = FALSE 
) 

long <- replicate(
    10, 
    {sample(c(NA, 1:10), 1000, replace = TRUE)}, 
    simplify = FALSE 
) 

microbenchmark(
    do.call(coalesce_reduce, wide), 
    do.call(coalesce_maxcol, wide), 
    do.call(coalesce_reduce, long), 
    do.call(coalesce_maxcol, long) 
) 
# Unit: microseconds 
#       expr  min  lq  mean median  uq  max neval 
# do.call(coalesce_reduce, wide) 1879.460 1953.5695 2136.09954 2007.303 2152.654 5284.583 100 
# do.call(coalesce_maxcol, wide) 403.604 423.5280 490.40797 433.641 456.583 2543.580 100 
# do.call(coalesce_reduce, long) 36.829 41.5085 45.75875 43.471 46.942 79.393 100 
# do.call(coalesce_maxcol, long) 80.903 88.1475 175.79337 92.374 101.581 3438.329 100