在 R return NA 中使用 min() 而不是 Inf

Question

请考虑以下几点：

我最近 'discovered' 很棒的 plyr 和 dplyr 包，并使用它们来分析数据框中我可用的患者数据。这样的数据框可能如下所示：

df <- data.frame(id = c(1, 1, 1, 2, 2), # patient ID
                 diag = c(rep("dia1", 3), rep("dia2", 2)), # diagnosis
                 age = c(7.8, NA, 7.9, NA, NA)) # patient age

我想用中位数和平均值来总结所有患者的最小患者年龄。我做了以下事情：

min.age <- df %>% 
  group_by(id) %>% 
  summarise(min.age = min(age, na.rm = T))

由于数据框中有 NAs 我收到警告：

`Warning message: In min(age, na.rm = T) :
no non-missing arguments to min; returning Inf`

使用 Inf 我无法以有意义的方式调用 summary(df$min.age)。

使用 pmin() 而不是 min 返回了错误消息：

Error in summarise_impl(.data, dots) :
 Column 'in.age' must be length 1 (a summary value), not 3

我该怎么做才能避免任何 Inf 而得到 NA 以便我可以进一步进行： summary(df$min.age)?

非常感谢！

Answer 1

您可以使用 is.infinite() 检测无穷大，并使用 ifelse 有条件地将它们设置为 NA。

#using your df and the dplyr package
min.age <- 
  df %>% 
  group_by(id) %>% 
  summarise(min.age = min(age, na.rm = T)) %>%
  mutate(min.age = ifelse(is.infinite(min.age), NA, min.age))

Answer 2

(min.age <- df %>% 
    group_by(id) %>% 
    summarise(min.age = ifelse(all(is.na(age)),NA,min(age, na.rm = T))))
# A tibble: 2 x 2
     id min.age
  <dbl>   <dbl>
1     1     7.8
2     2      NA

Answer 3

您的代码执行以下操作：

按id
将每个组中的 min 函数应用于 age 变量，并启用 na.rm=TRUE 选项。

所以对于 1 的 id 你得到 min(c(7.8, NA, 7.9), na.rm=TRUE)，这与 min(c(7.8, 7.9)) 相同，只是 7.8。

然后，对于 2 的 id，您将得到 min(c(NA, NA), na.rm=TRUE)，这与 min(c()) 相同。

现在，一组空数的最小值是多少？ "minumum" 的定义是 "a value smaller than all values in the set"，并且必须满足属性即 min(A) <= min(B) 只要 B 是 A 的子集。定义最小值的一种方法空集就是说它是 "infinity"，这就是 R 处理这种情况的方式。

在这种情况下，您真的无法避免获得 Inf。但是您可以将另一个 mutate 添加到您的链中，以将任何 Inf 更改为您喜欢的任何内容，例如 NA。

df %>% group_by(id) %>% summarize(min_age = min(age, na.rm = TRUE)) %>% 
    mutate(min_age = ifelse(is.infinite(min_age), NA, min_age))

Answer 4

我更愿意选择我自己的无效值。假设 200 将是 Age 的无效值。

现在可以稍微扭曲 min 函数的使用。例如min(age, 200, na.rm = TRUE)。这确保在缺少所有值时年龄显示为 200 而不是 +Inf。 df 的结果将是：

min.age <- df %>% 
  group_by(id) %>% 
  summarise(min.age = min(age, 200, na.rm = T))

> min.age
# A tibble: 2 x 2
#     id min.age
#  <dbl>   <dbl>
#1  1.00    7.80
#2  2.00  200

现在，由程序员决定如何 use/replace 这个无效值。

Answer 5

问题已得到解答，但需要指出的是，如果有问题的列是日期或日期时间，那么它在摘要中仍将显示为 NA table，但是实际上不是。这是双重混乱！考虑：

library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
df <- data.frame(date = as.Date(c("2013-01-01", "2013-05-23", "", "2017-04-15", "", "")),
                 int = c(1L, 2L, NA, 4L, NA, NA),
                 group = rep(LETTERS[1:3],2))

s1 <- df %>% group_by(group) %>% summarise(min_date = min(date), min_int = min(int)) %>% mutate(min_date_missing = is.na(min_date), min_int_missing = is.na(min_int))
#> Warning: package 'bindrcpp' was built under R version 3.4.4
s2 <- df %>% group_by(group) %>% summarise(min_date = min(date, na.rm = TRUE), min_int = min(int, na.rm = TRUE)) %>% mutate(min_date_missing = is.na(min_date), min_int_missing = is.na(min_int))

df
#>         date int group
#> 1 2013-01-01   1     A
#> 2 2013-05-23   2     B
#> 3       <NA>  NA     C
#> 4 2017-04-15   4     A
#> 5       <NA>  NA     B
#> 6       <NA>  NA     C
s1
#> # A tibble: 3 x 5
#>   group min_date   min_int min_date_missing min_int_missing
#>   <fct> <date>       <dbl> <lgl>            <lgl>          
#> 1 A     2013-01-01      1. FALSE            FALSE          
#> 2 B     NA             NA  TRUE             TRUE           
#> 3 C     NA             NA  TRUE             TRUE
s2
#> # A tibble: 3 x 5
#>   group min_date   min_int min_date_missing min_int_missing
#>   <fct> <date>       <dbl> <lgl>            <lgl>          
#> 1 A     2013-01-01      1. FALSE            FALSE          
#> 2 B     2013-05-23      2. FALSE            FALSE          
#> 3 C     NA            Inf  FALSE            FALSE

s1[[3,2]]
#> [1] NA
s2[[3,2]]
#> [1] NA

is.na(s1[[3,2]])
#> [1] TRUE
is.na(s2[[3,2]])
#> [1] FALSE

s1[[3,2]] == Inf
#> [1] NA
s2[[3,2]] == Inf
#> [1] TRUE

s1[[3,3]]
#> [1] NA
s2[[3,3]]
#> [1] Inf

is.na(s1[[3,3]])
#> [1] TRUE
is.na(s2[[3,3]])
#> [1] FALSE

s1[[3,2]] == Inf
#> [1] NA
s2[[3,2]] == Inf
#> [1] TRUE

sessionInfo()
#> R version 3.4.3 (2017-11-30)
#> Platform: x86_64-apple-darwin15.6.0 (64-bit)
#> Running under: macOS High Sierra 10.13.5
#> 
#> Matrix products: default
#> BLAS: /Library/Frameworks/R.framework/Versions/3.4/Resources/lib/libRblas.0.dylib
#> LAPACK: /Library/Frameworks/R.framework/Versions/3.4/Resources/lib/libRlapack.dylib
#> 
#> locale:
#> [1] en_AU.UTF-8/en_AU.UTF-8/en_AU.UTF-8/C/en_AU.UTF-8/en_AU.UTF-8
#> 
#> attached base packages:
#> [1] stats     graphics  grDevices utils     datasets  methods   base     
#> 
#> other attached packages:
#> [1] bindrcpp_0.2.2 dplyr_0.7.4   
#> 
#> loaded via a namespace (and not attached):
#>  [1] Rcpp_0.12.17     utf8_1.1.3       crayon_1.3.4     digest_0.6.15   
#>  [5] rprojroot_1.3-2  assertthat_0.2.0 R6_2.2.2         backports_1.1.2 
#>  [9] magrittr_1.5     evaluate_0.10.1  pillar_1.2.1     cli_1.0.0       
#> [13] rlang_0.2.0.9001 stringi_1.1.7    rmarkdown_1.9    tools_3.4.3     
#> [17] stringr_1.3.0    glue_1.2.0       yaml_2.1.18      compiler_3.4.3  
#> [21] pkgconfig_2.0.1  htmltools_0.3.6  bindr_0.1.1      knitr_1.20      
#> [25] tibble_1.4.2

由 reprex package (v0.2.0.9000) 创建于 2018-06-27。

Answer 6

一个更简单的解决方案是 hablar 包中的 s 函数。它在 min/max 中计算之前用 NA 替换空向量。 @awchisholm 的代码块可能是：

library(hablar)

min.age <- df %>% 
  group_by(id) %>% 
  summarise(min.age = min(s(age)))

免责声明我对这个解决方案有偏见，因为我编写了这个包。

Answer 7

这个看起来很有趣，因为它避免了警告：

myMin <- function(vec) {
      ifelse(length(vec[!is.na(vec)]) == 0, NA_real_, min(vec, na.rm = TRUE))
    }

在 R return NA 中使用 min() 而不是 Inf

With min() in R return NA instead of Inf

r

min

plyr

dplyr