7

我有一个包含产品原型测试数据的数据集。并非所有测试都在所有批次上运行，并且并非所有测试都使用相同的样本量执行。为了说明，考虑这种情况：

> test <- data.frame(name = rep(c("A", "B", "C"), each = 4),
  var1 = rep(c(1:3, NA), 3),
  var2 = 1:12,
  var3 = c(rep(NA, 4), 1:8))

> test
   name var1 var2 var3
1     A    1    1   NA
2     A    2    2   NA
3     A    3    3   NA
4     A   NA    4   NA
5     B    1    5    1
6     B    2    6    2
7     B    3    7    3
8     B   NA    8    4
9     C    1    9    5
10    C    2   10    6
11    C    3   11    7
12    C   NA   12    8

过去，我只需要处理不匹配重复的情况，这很容易aggregate(cbind(var1, var2) ~ name, test, FUN = mean, na.action = na.omit)（或默认设置）。我将获得每个批次超过三个值var1和超过四个值的平均值var2。

不幸的是，在这种情况下，这将使我的数据集完全丢失A：

 aggregate(cbind(var1, var2, var3) ~ name, test, FUN = mean, na.action = na.omit)
  name var1 var2 var3
1    B    2    6    2
2    C    2   10    6

但是，如果我使用na.pass，我也得不到我想要的：

 aggregate(cbind(var1, var2, var3) ~ name, test, FUN = mean, na.action = na.pass)
  name var1 var2 var3
1    A   NA  2.5   NA
2    B   NA  6.5  2.5
3    C   NA 10.5  6.5

现在我丢失了我拥有的好数据，var1因为它包含NA.

我想要的是：

  • NA作为mean()如果~的所有唯一组合都是s的输出varNnameNA
  • mean()是否有一个或多个实际值的输出varN~name

我猜这很简单，但我只是不知道如何。我需要使用ddply这样的东西吗？如果是这样......我倾向于避免它的原因是我最终写了很长的等价物来aggregate()喜欢这样：

ddply(test, .(name), summarise,
  var1 = mean(var1, na.rm = T),
  var2 = mean(var2, na.rm = T),
  var3 = mean(var3, na.rm = T))

是的......所以结果显然符合我的要求。无论如何我都会留下这个问题，以防有 1) 一种方法可以做到这一点，aggregate()或者 2) 更短的ddply.

4

1 回答 1

18

同时 传递na.action=na.pass和na.rm=TRUE到aggregate。前者告诉aggregate不要删除存在 NA 的行；后者告诉mean忽略它们。

aggregate(cbind(var1, var2, var3) ~ name, test, mean,
          na.action=na.pass, na.rm=TRUE)
于 2013-07-19T02:42:36.013 回答