如何仅选择 R 中每个组的第一个非 NA 值？

Posted 2023-02-16

【中文标题】如何仅选择 R 中每个组的第一个非 NA 值？

【英文标题】：How to select only first non NA value of each group in R?

【发布时间】：2022-01-07 15:25:38

【问题描述】：

我有一个类似的数据框

mydata <- data.frame(Id=c(01,01,01,01,01,01,02,02,02,02),
                     VISIT=c("Screeing","Baseline","Baseline","Baseline","Week 9","Week 9","Baseline","Week 2",
                             "Week 2","Week 2"),
                    Score=c(1,2,4,5,78,9,5,NA,3,4))

> mydata
   Id    VISIT Score
1   1 Screeing     1
2   1 Baseline     2
3   1 Baseline     4
4   1 Baseline     5
5   1   Week 9    78
6   1   Week 9     9
7   2 Baseline     5
8   2   Week 2     NA
9   2   Week 2     3
10  2   Week 2     4

我要做的是按 Id 和 VISIT 分组，并选择每个组的第一个非 NA 值作为

> mydata

      Id VISIT    Score 
   <dbl> <fct>    <dbl> 
 1     1 Screeing     1     
 2     1 Baseline     2     
 5     1 Week 9      78    
 7     2 Baseline     5     
 9     2 Week 2       3     

我想到了这个

mydata<-mydata %>%
 group_by(Id,VISIT) %>% 
 mutate(first = dplyr::first(na.omit(Score)))

但它不会删除其他行，它只是创建一个新列，其中每个组的第一个非 NA 重复值。

【问题讨论】：

您的代码中有错字。 dplyr::first(na.omit(SCORE))) 分数不应该是大写，而是分数。与列名相同。

使用summarise 而不是mutate

【参考方案1】：

如果 base R 没问题，试试这个。 NAs 默认省略。

aggregate( Score ~ Id + VISIT, mydata, function(x) x[1] )

  Id    VISIT Score
1  1 Baseline     2
2  2 Baseline     5
3  1 Screeing     1
4  2   Week 2     3
5  1   Week 9    78

【讨论】：

@Katie VISIT 没有被重复。请注意，ID 会发生变化。

@Onyambu 感谢您的提示。尝试构建示例并找到解决方法。

我删除了评论。 OP 编辑​​了问题，似乎 NA 仅出现在 Score 列中，因此您的代码是正确的。如果 NA 出现在其他列中，那么我们将不得不将自己限制在仅分数列中。

@Onyambu Gotcha。无论如何，谢谢！

【参考方案2】：

dplyr 替代方案。假设“第一”只是指第一行，按照给定的顺序，按组。

请注意，示例数据中的 (Id, VISIT) 为 Baseline 提供了 2 个组。

library(dplyr)

mydata %>% 
  group_by(Id, VISIT) %>% 
  filter(!is.na(Score)) %>% 
  slice(1) %>% 
  ungroup()

结果：

# A tibble: 5 x 3
     Id VISIT    Score
  <dbl> <chr>    <dbl>
1     1 Baseline     2
2     1 Screeing     1
3     1 Week 9      78
4     2 Baseline     5
5     2 Week 2       3