-17

给定具有缺失值的数据，插补是用一些值替换缺失值的过程。目标是忽略具有缺失值的行，用 NA 表示。这样的行可以被视为数据的一个组成部分，因此该过程称为item imputation。

输入

df1 <- data.frame(ID=c(1,2,5,6),V1=c(7,77,777,NA))
df2 <- data.frame(ID=c(1,3,5,6),V2=c(6,66,666,6666))
df3 <- data.frame(ID=c(1,3,5,6),V3=c(9,NA,999,9999))

或者采用 CSV 格式，其中缺失值用 NA 标记

data.csv      data2.csv        data3.csv

ID V1         ID V2            ID V3
1  7          1  6             1  9
2  77         2  NA            2  NA
3  NA         3  66            3  NA
4  NA         4  NA            4  NA
5  777        5  666           5  999
6  NA         6  6666          6  9999

输出

预期结果是

ID V1   V2   V3
1  7    6    9
5  777  666  999

我们只想要没有任何 NA 值的行。

如何将输入数据与列 V1、V2、V3 和行上没有 NA 的公共列 ID 合并？

使用 SQLDF 合并具有公共 ID 且无 NA 的列的示例解决方案

library(sqldf)
# Read in the data: with CSV, you can use read.csv or fread from data.table
df1 <- data.frame(ID=c(1,2,5,6),V1=c(7,77,777,NA))
df2 <- data.frame(ID=c(1,3,5,6),V2=c(6,66,666,6666))
df3 <- data.frame(ID=c(1,3,5,6),V3=c(9,NA,999,9999))
#
sqldf("SELECT a.ID, a.V1, b.V2, c.V3 FROM df1 a, df2 b, df3 c WHERE a.ID=b.ID AND b.ID=c.ID AND V1!='NA'")

导致

   ID   V1  V2  V3
1   1    7   6   9
2   5  777 666 999
4

2 回答 2

3

这是一个仅 R 的基本版本，它不关心有多少合并。假设数据框在列表中l- 请参阅对 Q 的编辑以获取该格式的示例数据：

for(i in seq_along(l[-1])) {
    if(i == 1) {
        m <- merge(l[[i]], l[[i+1]])
    } else {
        m <- merge(m, l[[i+1]])
    }
}
m <- m[!apply(is.na(m), 1, any), ]

这给出了所需的输出

> m
  ID  V1  V2  V3
1  1   7   6   9
2  5 777 666 999

要读取数据，这样的东西应该可以工作

l <- lapply(list.files(pattern = glob2rx("data*.csv")), read.table, 
            header = TRUE)

或者如果他们真的是 CSV

l <- lapply(list.files(pattern = glob2rx("data*.csv")), read.csv)

那么就可以使用上面的代码来处理了。

于 2011-08-10T16:55:48.113 回答
2

出于对在这个问题中精美展示的俳句艺术形式的尊重，我将提供以下答案/猜测：

library(reshape)
dats <- lapply( dir(), read.csv )
mgd <- merge_recurse( dats, by="ID" )
na.sel <- apply( mgd, 1, function(x) any(is.na(x)) )
mgd <- mgd[!na.sel,]

请注意，这假设您实际上想要 ID==1。

感谢@Joris 的merge_recurse提示。

于 2011-08-10T16:15:55.783 回答