R：在第一列中按重复项合并行

Posted 2021-04-06

我在第一列中有一个包含重复值的大型数据集，如下所示：

ID         date      var1   var2
person1    052016    509    1678  
person2    122016    301    NA
person1    072016    NA     45

我希望将ID和最近的值合并为“date”，如果它是NA，则取最后一个值，即它不是NA。输出应该是这样的：

ID         date      var1   var2 
person2    122016    301    NA
person1    072016    509    45

我试过这个，但它没有奏效。

library(dplyr)

data %>% group_by(ID) %>% summarise_all(funs(max(data$date))) %>% funs(first(.[!is.na(.)]))

我应该使用什么来将工作代码应用于整个数据集？

答案

使用dplyr的解决方案。

library(dplyr)

dat2 <- dat %>%
  arrange(ID, desc(date)) %>%
  group_by(ID) %>%
  summarise_all(funs(first(.[!is.na(.)]))) %>%
  ungroup()
dat2
# # A tibble: 2 x 4
#   ID        date  var1  var2
#   <chr>    <int> <int> <int>
# 1 person1  72016   509    45
# 2 person2 122016   301    NA

数据

dat <- read.table(text = "ID         date      var1   var2
person1    '052016'    509    1678  
person2    '122016'    301    NA
person1    '072016'    NA     45",
                  header = TRUE, stringsAsFactors = FALSE)

另一答案

使用tidyverse和fill函数。加载数据：

Mar_df <- structure(list(ID = structure(c(1L, 2L, 1L), .Label = c("person1", 
"person2"), class = "factor"), date = c(52016L, 122016L, 72016L
), var1 = c(509L, 301L, NA), var2 = c(1678L, NA, 45L)), .Names = c("ID", 
"date", "var1", "var2"), class = "data.frame", row.names = c(NA, 
-3L))

然后：

Mar_df_summarised <- Mar_df %>% 
    arrange(ID,date) %>%
    fill(...=var1,.direction="down") %>% 
    group_by(ID) %>% 
    summarise_all(.funs=funs(last(.))) 

结果是：

# A tibble: 2 x 4
  ID        date  var1  var2
  <fctr>   <int> <int> <int>
1 person1  72016   509    45
2 person2 122016   301    NA