在完整的情况下改变某些东西，但保留所有

Posted 2023-02-14

【中文标题】在完整的情况下改变某些东西，但保留所有

【英文标题】：Mutate something on complete cases, but keep all

【发布时间】：2022-01-22 19:52:44

【问题描述】：

我想根据两个变量（国家和政党）的组合生成一个组 ID。这是我的数据：

df <- data.frame(country = c("BE", "BE", "BE", "NL", "NL", "NL"),
                 year = c(2010, 2010, 2010, 2010, 2010, 2010),
                 party = c(NA, NA, NA, "A", "B", "B")) 

这给出了：

  country year party
1      BE 2010  <NA>
2      BE 2010  <NA>
3      BE 2010  <NA>
4      NL 2010     A
5      NL 2010     B
6      NL 2010     B

我想要的是：

  country  year party group
  <chr>   <dbl> <chr> <int>
1 BE       2010 NA        NA
2 BE       2010 NA        NA
3 BE       2010 NA        NA
4 NL       2010 A         1
5 NL       2010 B         2
6 NL       2010 B         2

我试过了：

df <- df %>% 
  group_by(country, party) %>% 
  mutate(group = cur_group_id())

但这给了我：

  country  year party group
  <chr>   <dbl> <chr> <int>
1 BE       2010 NA        1
2 BE       2010 NA        1
3 BE       2010 NA        1
4 NL       2010 A         2
5 NL       2010 B         3
6 NL       2010 B         3

但是，我不希望为任何具有缺失值的数据单独分组。同时，我想保留数据。

如果我尝试：

df <- df %>% 
  group_by(country, party) %>% 
  filter(!is.na(party)) %>% 
  mutate(group = cur_group_id())

我明白了：

  country  year party group
  <chr>   <dbl> <chr> <int>
1 NL       2010 A         1
2 NL       2010 B         2
3 NL       2010 B         2

我怎样才能只为完整的数据获取这个新变量，同时将不完整的数据保留在数据集中？

谢谢

【参考方案1】：

类似以下内容？

library(tidyverse)

df <- data.frame(country = c("BE", "BE", "BE", "NL", "NL", "NL"),
                 year = c(2010, 2010, 2010, 2010, 2010, 2010),
                 party = c(NA, NA, NA, "A", "B", "B")) 

df %>% 
  group_by(country, party) %>% 
  mutate(group = if_else(is.na(party), NA_integer_, cur_group_id()))
#> # A tibble: 6 × 4
#> # Groups:   country, party [3]
#>   country  year party group
#>   <chr>   <dbl> <chr> <int>
#> 1 BE       2010 <NA>     NA
#> 2 BE       2010 <NA>     NA
#> 3 BE       2010 <NA>     NA
#> 4 NL       2010 A         2
#> 5 NL       2010 B         3
#> 6 NL       2010 B         3

如果您希望组以 1（而不是 2）开头：

library(tidyverse)

df %>% 
  filter(!is.na(party)) %>% 
  group_by(country, party) %>% 
  mutate(group = cur_group_id()) %>% 
  ungroup %>% add_row(filter(df,is.na(party))) %>% 
  mutate(group = if_else(is.na(party), NA_integer_, group))

#> # A tibble: 6 × 4
#>   country  year party group
#>   <chr>   <dbl> <chr> <int>
#> 1 NL       2010 A         1
#> 2 NL       2010 B         2
#> 3 NL       2010 B         2
#> 4 BE       2010 <NA>     NA
#> 5 BE       2010 <NA>     NA
#> 6 BE       2010 <NA>     NA

【参考方案2】：

使用交互

df %>% mutate(group = as.integer(interaction(country, party, drop = TRUE)))

给予：

  country year party group
1      BE 2010  <NA>    NA
2      BE 2010  <NA>    NA
3      BE 2010  <NA>    NA
4      NL 2010     A     1
5      NL 2010     B     2
6      NL 2010     B     2

【参考方案3】：

df <- data.frame(country = c("BE", "BE", "BE", "NL", "NL", "NL"),
                 year = c(2010, 2010, 2010, 2010, 2010, 2010),
                 party = c(NA, NA, NA, "A", "B", "B")) 

library(data.table)
setDT(df)[!is.na(party), grp := .GRP, by = party][]
#>    country year party grp
#> 1:      BE 2010  <NA>  NA
#> 2:      BE 2010  <NA>  NA
#> 3:      BE 2010  <NA>  NA
#> 4:      NL 2010     A   1
#> 5:      NL 2010     B   2
#> 6:      NL 2010     B   2

^{由reprex package (v2.0.1) 于 2021 年 12 月 21 日创建}