返回每列R的第一个和最后一个非NA值的年份

debugcn 发表于 Dev

提比略·格拉苏斯2020

我有一个看起来像这样的数据框：

# A tibble: 9 x 5
# Groups:   group [3]
      group   year    value1  value2  value3
      <int>   <dbl>   <int>   <int>   <int>
1     1       2000    NA      3       4
2     1       2001    8       3       4
3     1       2002    4       3       NA
4     2       2000    NA      NA      1
5     2       2001    9       NA      1
6     2       2002    1       NA      NA
7     3       2000    NA      5       NA
8     3       2001    9       5       NA
9     3       2002    NA      5       NA

我需要一个脚本，该脚本返回每列的第一个和最后一个非na值的年份，而与组无关。理想情况下，输出应如下所示。当心实际的数据集要大得多。

          start   end
value 1   2001    2002
value 2   2000    2002
value 3   2000    2001

阿克伦

我们可以将其重塑为“长”格式，然后按“名称”分组并summarise获得“min和max”年份

library(dplyr)
library(tidyr)
library(tibble)
df1 %>%
   select(-group) %>%
   pivot_longer(cols  = starts_with('value'), values_drop_na = TRUE) %>% 
   group_by(name) %>%
   summarise(start = min(year), end = max(year))  %>%
   column_to_rownames('name')
#        start  end
#value1  2001 2002
#value2  2000 2002
#value3  2000 2001

或melt从data.table

library(data.table)
melt(setDT(df1), id.var = c('year', 'group'), na.rm = TRUE)[,
     .(start = min(year), end = max(year)), .(variable)]

或者我们也可以利用 summarise_at

df1 %>%
    summarise_at(vars(starts_with('value')), ~ 
       list(range(year[!is.na(.)]))) %>% 
    unnest(everything()) %>% 
    pivot_longer(everything())

数据

df1 <- structure(list(group = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L), 
    year = c(2000L, 2001L, 2002L, 2000L, 2001L, 2002L, 2000L, 
    2001L, 2002L), value1 = c(NA, 8L, 4L, NA, 9L, 1L, NA, 9L, 
    NA), value2 = c(3L, 3L, 3L, NA, NA, NA, 5L, 5L, 5L), value3 = c(4L, 
    4L, NA, 1L, 1L, NA, NA, NA, NA)), class = "data.frame", 
    row.names = c("1", 
"2", "3", "4", "5", "6", "7", "8", "9"))

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。