计算 R 中每年没有 N/A 的观察次数

Question

我有一个数据集，我想总结没有缺失值的观察次数（用 NA 表示）。

我的数据类似如下：

data <- read.table(header = TRUE, 
               stringsAsFactors = FALSE, 
               text="CompanyNumber ResponseVariable Year ExplanatoryVariable1 ExplanatoryVariable2
               1 2.5 2000 1 2
               1 4 2001 3 1
               1 3 2002 NA 7
               2 1 2000 3 NA
               2 2.4 2001 0 4
               2 6 2002 2 9
               3 10 2000 NA 3")

我打算使用包 dplyr，但它只考虑了年份而不是不同的变量：

library(dplyr)
data %>% 
  group_by(Year) %>%
  summarise(number = n())

如何获得以下结果？

                    2000 2001 2002
ExplanatoryVariable1  2   2    1 
ExplanatoryVariable2  2   2    2

Answer 1

要获取计数，您可以先使用：

library(dplyr)
data %>% 
  group_by(Year) %>% 
  summarise_at(vars(starts_with("Expla")), ~sum(!is.na(.)))
## A tibble: 3 x 3
#   Year ExplanatoryVariable1 ExplanatoryVariable2
#  <int>                <int>                <int>
#1  2000                    2                    2
#2  2001                    2                    2
#3  2002                    1                    2

如果您想按照问题所示重塑它，可以使用 tidyr 函数扩展管道：

library(tidyr)
data %>% 
  group_by(Year) %>% 
  summarise_at(vars(starts_with("Expla")), ~sum(!is.na(.))) %>% 
  gather(var, count, -Year) %>% 
  spread(Year, count)
## A tibble: 2 x 4
#                   var `2000` `2001` `2002`
#*                <chr>  <int>  <int>  <int>
#1 ExplanatoryVariable1      2      2      1
#2 ExplanatoryVariable2      2      2      2

只是让 OP 知道，因为他们有 ~200 个解释变量 select。您可以使用 summarise_at 的另一个选项来 select 变量。如果数据中的顺序正确，您可以简单地命名 first:last 变量，例如：

data %>% 
  group_by(Year) %>%
  summarise_at(vars(ExplanatoryVariable1:ExplanatoryVariable2), ~sum(!is.na(.)))

或：

data %>% 
  group_by(Year) %>% 
  summarise_at(3:4, ~sum(!is.na(.)))

或者将变量名存储在向量中并使用它：

vars <- names(data)[4:5]
data %>% 
  group_by(Year) %>% 
  summarise_at(vars, ~sum(!is.na(.)))

Answer 2

data %>%
  gather(cat, val, -(1:3)) %>%
  filter(complete.cases(.)) %>%
  group_by(Year, cat) %>%
  summarize(n = n()) %>%
  spread(Year, n)

# # A tibble: 2 x 4
#                    cat `2000` `2001` `2002`
# *                <chr>  <int>  <int>  <int>
# 1 ExplanatoryVariable1      2      2      1
# 2 ExplanatoryVariable2      2      2      2

应该做的。您首先将数据堆叠起来，然后简单地计算年份和每个解释变量的 n。如果您希望数据恢复为宽格式，则使用 spread，但无论哪种方式，如果不使用 spread，您都会得到两个变量的计数。

Answer 3

你可以在 base R 中使用 aggregate 来做到这一点。

aggregate(list(ExplanatoryVariable1 = data$ExplanatoryVariable1,
               ExplanatoryVariable2 = data$ExplanatoryVariable2),
          list(Year = data$Year),
          function(x) length(x[!is.na(x)]))
#  Year ExplanatoryVariable1 ExplanatoryVariable2
#1 2000                    2                    2
#2 2001                    2                    2
#3 2002                    1                    2

Answer 4

使用基数 R：

  do.call(cbind,by(data[3:5], data$Year,function(x) colSums(!is.na(x[-1]))))                       
                      2000 2001 2002
 ExplanatoryVariable1    2    2    1
 ExplanatoryVariable2    2    2    2

总计：

 aggregate(.~Year,data[3:5],function(x) sum(!is.na(x)),na.action = function(x)x)

计算 R 中每年没有 N/A 的观察次数

Count number of observations without N/A per year in R

r

count

missing-data

dplyr