我有一个我似乎无法弄清楚的问题
我有一个像这样的数据框
df <- data.frame(c(rep_len("a",3), "b", "b"), c(rep_len(55, 3), 44, 44),c(rep_len(12, 3), 6, 6), c("na", 2, "na", 3, "na"), c("na", "na", 4, "na", 8), c(5, "na", "na", "na", "na"))
names(df) <- c("street", "latitude", "longitude", "A", "B", "C")
street latitude longitude A B C
a 55 12 na na 5
a 55 12 2 na na
a 55 12 na 4 na
b 44 6 3 na na
b 44 6 na 8 na
我猜我正在寻找的方法是在'street','latitude','longitude'中折叠具有相同值的行,这样数据框就像这样
street latitude longitude A B C
a 55 12 2 4 5
b 44 6 3 8 na
我最好的尝试是:
df %>%
group_by(street) %>%
summarise_each(funs(first))
但它不太正确。有什么想法吗?
答案 0 :(得分:5)
我不明白为什么你有"na"
个字符串 - R对于字符/因素有NA
。无论如何,对于你的例子,也许你正在寻找这个:
library(data.table)
dt = as.data.table(df) # or convert in place using setDT
dt[, lapply(.SD, function(x) x[x != "na"]), by = .(street, latitude, longitude)]
# street latitude longitude A B C
#1: a 55 12 2 4 5
#2: b 44 6 3 8 NA
答案 1 :(得分:1)
要扩展@ mlt的评论,您可以使用tidyr
(reshape2
的后继者)来重塑此内容。它看起来像
df %>%
gather(type, value, -c(street, latitude, longitude)) %>%
na.omit %>%
spread(type, value)
这会将A / B / C列展开成行,省略NA字段,然后将它们展开。
如@eddi所述,您希望使用内置的NA
值,而不是字符串&#34; na&#34;。我用了
dfs <- 'street latitude longitude A B C
a 55 12 NA NA 5
a 55 12 2 NA NA
a 55 12 NA 4 NA
b 44 6 3 NA NA
b 44 6 NA 8 NA
'
df <- read.table(text=dfs, header=T)
答案 2 :(得分:1)
只要您使用标准dplyr
代替NA
并在创建"na"
时指定stringsAsFactors=FALSE
,此操作无需重新构建并仅使用df
}:
df %>%
group_by(street, latitude, longitude) %>%
summarise_each(funs(ifelse(sum(is.na(.)==FALSE)==0, NA, .[which(is.na(.)==FALSE)])), matches("[A-Z]{1}"))
# Result
street latitude longitude A B C
1 a 55 12 2 4 5
2 b 44 6 3 8 NA
如果您更愿意坚持使用"na"
,那么这可行:
df %>%
group_by(street, latitude, longitude) %>%
summarise_each(funs(ifelse(sum(.!="na")==0, "na", .[which(.!="na")])), matches("[A-Z]{1}"))