[问答] 怎么让用R来筛选和数量数据啊？ [推广有奖]

11楼

llb_321

发表于 2022-5-4 21:10:14

上午忙，随便写了补充代码。
下面，我用示例数据验证了一下，没问题，你可以参考一下。

library(dplyr)
set.seed(2022)
#生成示例数据
d <- data.frame(
ID = c(rep("A", 24), rep("B", 12), rep("C", 6), rep("D", 24)),
year = c(rep(c(2020, 2021), each = 12),
rep(2020, 12), rep(2021, 6),
rep(c(2019, 2020), each = 12)),
month = c(rep(1:12, 3), 1:6, rep(1:12, 2)),
x3 = sample(c(1:10, NA), 66, replace = T),
x4 = sample(1:10, 66, replace = T),
x5 = sample(1:10, 66, replace = T))
table(d[, 1], d[, 2], !is.na(d[, 4])) #查看各ID各年度的正常记录数和NA记录数
#NA记录数
#, , = FALSE
# 2019 2020 2021
#A 0 2 0
#B 0 2 0
#C 0 0 0
#D 0 0 0
#正常记录数
#, , = TRUE
# 2019 2020 2021
#A 0 10 12
#B 0 10 0
#C 0 0 6
#D 12 12 0

复制代码

可以看出A、B的2020年度存在NA，不符合统计要求；C的2021年只有6个月记录，也不符合要求。解决方案：按ID和year分组，计算各组的和、均值，同时统计记录数（作为临时变量），去除存在NA的结果，筛选月份全（年度记录数等于12）的结果，去除临时变量。

new <- d %>%
group_by(ID, year) %>%
summarize(x3Sum = sum(x3),
x4Sum = sum(x4),
x5Avr = mean(x5),
nM = n()) %>%
na.omit() %>%
filter(nM == 12) %>%
select(-nM)
# ID year x3Sum x4Sum x5Avr
#1 A 2021 59 55 5
#2 D 2019 80 64 6.5
#3 D 2020 70 66 6.25

复制代码

这段代码，你可以一步步地执行，看看每一步结果的变换，就可以验证上午的代码是可用的。

当然，常规操作，可以在最开始做数据清洗，但是因为R中NA可以参与计算，所以我们最后清洗，是一样的，这样做的好处是，你可以更清楚的看到未清洗前那些数据受NA影响。而因为数据量太大，常规清洗再计算，你就不知道到底那些数据被干掉了。