“说服”用于对数据框中的 NA 进行计数的制表函数 [R]

Question

我想再问你一个问题。它基本上是关于 [R] 中的数据框、NA 和制表函数。

我有这个数据框。我已经在我之前的问题中使用过这个。它故意看起来如此简单，我真正的“df”数据框实际上要大得多，我不想惹恼任何拥有庞大数据库的人……所以，我的数据库：

id <-c(1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,3)
a <-c(3,1,3,3,1,3,3,3,3,1,3,2,1,2,1,3,3,2,1,1,1,3,1,3,3,3,2,1,1,3)
b <-c(3,2,1,1,1,1,1,1,1,1,1,2,1,3,2,1,1,1,2,1,3,1,2,2,1,3,3,2,3,2)
c <-c(1,3,2,3,2,1,2,3,3,2,2,3,1,2,3,3,3,1,1,2,3,3,1,2,2,3,2,2,3,2)
d <-c(3,3,3,1,3,2,2,1,2,3,2,2,2,1,3,1,2,2,3,2,3,2,3,2,1,1,1,1,1,2)
e <-c(2,3,1,2,1,2,3,3,1,1,2,1,1,3,3,2,1,1,3,3,2,2,3,3,3,2,3,2,1,4)
df <-data.frame(id,a,b,c,d,e)
df

我已经设法计算出列“b”中出现的数字的分布' 到 'e'，但同时考虑到这些分布应按 'id' 列中的 id 数字“分组”这一事实。工作正常，检查一下 ->

matrix(matrix(unlist(lapply(df[,(-(1))], 
       function(x) tapply(x,df$id,tabulate,
                          nbins=nlevels(factor(df[,2])))) [[1]])), 
              ncol=3,nrow=3,byrow=TRUE)

matrix(matrix(unlist(lapply(df[,(-(1))],function(x) tapply(x,df$id,tabulate,nbins=nlevels(factor(df[,3])))) [[2]])),ncol=3,nrow=3,byrow=TRUE)

matrix(matrix(unlist(lapply(df[,(-(1))],function(x) tapply(x,df$id,tabulate,nbins=nlevels(factor(df[,4])))) [[3]])),ncol=3,nrow=3,byrow=TRUE)

matrix(matrix(unlist(lapply(df[,(-(1))],function(x) tapply(x,df$id,tabulate,nbins=nlevels(factor(df[,5])))) [[4]])),ncol=3,nrow=3,byrow=TRUE)

matrix(matrix(unlist(lapply(df[,(-(1))],function(x) tapply(x,df$id,tabulate,nbins=nlevels(factor(df[,6])))) [[5]])),ncol=4,nrow=3,byrow=TRUE)

现在我的问题是：如果我的数据框到处包含 NA 值怎么办？如果我希望内置的制表函数也收集这些 NA 该怎么办？那么如果我想让它计算这些 NA 出现的次数该怎么办？

这是我用 NA 修改的数据框：

id <-c(1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,3)
a <-c(NA,1,3,3,1,3,3,3,3,1,3,2,1,2,1,3,3,2,1,1,1,3,1,3,3,3,2,1,1,3)
b <-c(3,2,1,1,1,1,1,1,1,1,1,2,1,3,2,1,1,1,2,1,3,1,2,2,1,3,3,2,3,2)
c <-c(1,3,2,3,2,1,2,3,3,2,2,3,NA,2,3,3,3,1,1,2,3,3,1,2,2,3,2,2,3,2)
d <-c(3,3,3,1,3,2,2,1,2,3,2,2,2,1,3,1,2,2,3,2,3,2,3,2,1,1,1,1,1,2)
e <-c(2,3,1,2,1,2,3,3,1,1,2,1,1,3,3,2,1,1,3,3,2,2,3,3,3,2,3,NA,1,4)
df <-data.frame(id,a,b,c,d,e)
df

首先，我尝试了这样的操作：

unlist(lapply(df[,(-(1))],function(x) tapply(x,df$id,tabulate,nbins=nlevels(factor(df[,2],exclude=NULL)))) [[1]])

你看，我所做的唯一一件事就是尝试应用这个 exclude=NULL 东西。

至少我的代码意识到我在列 a (1,2,3,NA) 中有 4 个不同的级别，而不仅仅是三个 (1,2 ,3)。在这里检查一下：

nlevels(factor(df[,2], exclude=NULL))

但是您在结果中看到它无法计算 NA。它说

3  0  6  0  4  3  3  0  4  1  5  0 

而不是正确的：

3  0  6  1  4  3  3  0  4  1  5  0

或者在以下情况下：

unlist(lapply(df[,(-(1))],function(x) tapply(x,df$id,tabulate,nbins=nlevels(factor(df[,4],exclude=NULL)))) [[3]])

它说

2  4  4  0  2  3  4  0  1  5  4  0

而不是正确的

2  4  4  0  2  3  4  1  1  5  4  0

等等。

有人知道如何“说服”函数制表来计算 NA 吗？有可能吗？

非常感谢，祝您周末愉快，

拉斯洛

Answer 1

您可以将重复调用简化为：

tabs <-lapply(df[,2:6], function(x, id){ t(table(x, id)) }, df$id)

这与重复矩阵调用几乎相同，例如，对于您的第一个（非 NA）调用：

> tabs[[1]]
   x
id  1 2 3
  1 3 0 7
  2 4 3 3
  3 4 1 5

那么我们现在可以修改它来处理 NA 吗？是的，使用 table() 函数的 useNA 参数。将您的 df 与 NA 结合使用，我们可以得到：

tabs <-lapply(df[,2:6], 
              function(x, id){ t(table(x, id, useNA = "ifany")) }, df$id)

> tabs[[1]]
   x
id  1 2 3 <NA>
  1 3 0 6    1
  2 4 3 3    0
  3 4 1 5    0

因为我们仅在表中要求 NA，如果 >NA 存在，并非 tabs 中的所有表格都具有相同的列数。如果这很重要，我们可以将 useNA = "ifany" 更改为 useNA = "always" 并且所有结果表将具有相同的列数，但是它增加了另一个 id 行：

> tabs[[1]]
      x
id     1 2 3 <NA>
  1    3 0 6    1
  2    4 3 3    0
  3    4 1 5    0
  <NA> 0 0 0    0

最后一个添加得到了我们想要的 - 我们使用 addNA() 向每个 id 的集合添加一个 NA 级别数字，即使没有记录 NA：

tabs <-lapply(df[,2:6], 
              function(x, id){ t(table(addNA(x), id, useNA = "ifany")) }, df$id)

这给出：

> tabs
$a

id  1 2 3 <NA>
  1 3 0 6    1
  2 4 3 3    0
  3 4 1 5    0

$b

id  1 2 3 <NA>
  1 8 1 1    0
  2 6 3 1    0
  3 2 4 4    0

$c

id  1 2 3 <NA>
  1 2 4 4    0
  2 2 3 4    1
  3 1 5 4    0

$d

id  1 2 3 <NA>
  1 2 3 5    0
  2 2 6 2    0
  3 5 3 2    0

$e

id  1 2 3 4 <NA>
  1 4 3 3 0    0
  2 4 2 4 0    0
  3 1 3 4 1    1

Answer 2

你不能只使用is.na吗？如果您想计算 NA 或非零条目的数量，您可以 sum(is.na(my.var)|my.var>0)。