Объединить строки в фрейме данных, где строки не пересекаются и содержат NA

У меня есть фреймворк с двумя строками:

| code | name  | v1 | v2 | v3 | v4 |
|------|-------|----|----|----|----|
| 345  | Yemen | NA | 2  | 3  | NA |
| 346  | Yemen | 4  | NA | NA | 5  |

Есть ли простой способ объединить эти две строки? Что, если я переименую "345" в "346", облегчит ли это?

Ответ 1

Вы можете использовать aggregate. Предполагая, что вы хотите объединить строки с одинаковыми значениями в столбце name:

aggregate(x=DF[c("v1","v2","v3","v4")], by=list(name=DF$name), min, na.rm = TRUE)
   name v1 v2 v3 v4
1 Yemen  4  2  3  5

Это похоже на SQL SELECT name, min(v1) GROUP BY name. Функция min произвольна, вы также можете использовать max или mean, все из них возвращают значение non-NA из NA и значение non-NA, если na.rm = TRUE. (Функция SQL-like coalesce() будет звучать лучше, если она существует в R.)

Однако сначала вы должны проверить, все ли значения non-NA для данного name идентичны. Например, запустите aggregate как с min, так и max и сравните, или запустите его с помощью range.

Наконец, если у вас есть намного больше переменных, чем просто v1-4, вы можете использовать DF[,!(names(DF) %in% c("code","name"))] для определения столбцов.

Ответ 2

Добавление dplyr & data.table для полноты

Использование dplyr::coalesce()

library(dplyr)

sum_NA <- function(x) {if (all(is.na(x))) x[NA_integer_] else sum(x, na.rm = TRUE)}

df %>% 
  group_by(name) %>% 
  summarise_all(sum_NA)
#> # A tibble: 1 x 6
#>   name   code    v1    v2    v3    v4
#>   <fct> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 Yemen   691     4     2     3     5

# Ref: https://stackoverflow.com/a/45515491
# Supply lists by splicing them into dots:
coalesce_by_column <- function(df) {
  return(dplyr::coalesce(!!! as.list(df)))
}

df %>% 
  group_by(name) %>% 
  summarise_all(coalesce_by_column)
#> # A tibble: 1 x 6
#>   name   code    v1    v2    v3    v4
#>   <fct> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 Yemen   345     4     2     3     5

Использование data.table

# Ref: https://stackoverflow.com/q/28036294/
library(data.table)
setDT(df)[, lapply(.SD, na.omit), by = name]
#>     name code v1 v2 v3 v4
#> 1: Yemen  345  4  2  3  5
#> 2: Yemen  346  4  2  3  5

setDT(df)[, code := NULL][, lapply(.SD, na.omit), by = name]    
#>     name v1 v2 v3 v4
#> 1: Yemen  4  2  3  5

setDT(df)[, code := NULL][, lapply(.SD, sum_NA), by = name]
#>     name v1 v2 v3 v4
#> 1: Yemen  4  2  3  5