グループ化に基づいてデータフレーム内の最新の非NA値を抽出する

debugcn 投稿 Dev

ヤンドル

次のようなデータフレームがあります。

 Year   Day  ID   V1  V2 .... 
 2003   35  1102  3   6
 2003   35  1103  5   NA
 2003   35  1104  8   100
 .....
 2003   40  1102  NA  8
 2003   40  1103  NA  10
 2003   40  1104  9   NA
 .....
 .....
 2018   49  1104  5   NA
 .....
 2018   50  1102  3   6
 2018   50  1103  7   NA
 2018   50  1104  NA  100

年とIDの組み合わせごとに、V1、V2 ...の最新の（日列ごとの高い値）非NA値を抽出するデータフレームを作成したいと思います。上記のデータセットに基づいて、年について= 2018およびID = 1104、V1 = 5（日= 49）およびV2 = 100（日= 50）を抽出したいと思います。その年とIDの組み合わせのすべての値がNAの場合、NAを返します。

ロナックシャー

Day各Vn列に基づいて最新の非NA値を提供する関数を作成できます

get_last_non_NA_value <- function(x) {
   x[which.max(cumsum(!is.na(x)))]
}

次に、その関数をそれぞれに適用しYear、ID

library(dplyr)

df %>%
  group_by(Year, ID) %>%
  summarise_at(vars(V1:V2), funs(get_last_non_NA_value(.[order(Day)])))


#    Year  ID    V1    V2
#  <int> <int> <int> <int>
#1  2003  1102     3     8
#2  2003  1103     5    10
#3  2003  1104     9   100
#4  2018  1102     3     6
#5  2018  1103     7    NA
#6  2018  1104     5   100

編集

Day各値に対応するものも抽出する場合は、関数を変更して、両方の値をコンマ区切りの文字列として返すことができます。

get_last_non_NA_value <- function(x, y) {
   ind <- which.max(cumsum(!is.na(x[order(y)])))
   paste(x[ind], y[ind], sep = ",")
}

次に、を使用cSplitして、これらのコンマ区切り値を異なる列に区切ります。

library(dplyr)
library(splitstackshape)
cols <- c("V1", "V2")

df %>%
 group_by(Year, ID) %>%
 summarise_at(cols, funs(get_last_non_NA_value(., Day))) %>%
 cSplit(cols) %>%
 rename_at(vars(contains("_1")), funs(sub("_1", "_last_value", .))) %>%
 rename_at(vars(contains("_2")), funs(sub("_2", "_days", .)))


#   Year   ID V1_last_value V1_days V2_last_value V2_days
#1: 2003 1102             3      35             8      40
#2: 2003 1103             5      35            10      40
#3: 2003 1104             9      40           100      35
#4: 2018 1102             3      50             6      50
#5: 2018 1103             7      50            NA      50
#6: 2018 1104             5      49           100      50

rename_atパーツは、それが保持する値をよりよく理解するために列の名前を変更することに注意してください。列の名前を変更することに興味がない場合は、そのパーツをスキップできます。

データ

df <- structure(list(Year = c(2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 
2018L, 2018L, 2018L, 2018L), Day = c(35L, 35L, 35L, 40L, 40L, 
40L, 49L, 50L, 50L, 50L), ID = c(1102L, 1103L, 1104L, 1102L, 
1103L, 1104L, 1104L, 1102L, 1103L, 1104L), V1 = c(3L, 5L, 8L, 
NA, NA, 9L, 5L, 3L, 7L, NA), V2 = c(6L, NA, 100L, 8L, 10L, NA, 
NA, 6L, NA, 100L)), .Names = c("Year", "Day", "ID", "V1", "V2"
), class = "data.frame", row.names = c(NA, -10L))

この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。

侵害の場合は、連絡してください[email protected]