dplyr::mutieren (zuweisen na.rm =TRUE)

Ich habe einen Daten.Rahmen, 100 Variablen. Ich möchte die Summe der drei Variablen nur mit mutate (nicht summarise).

Wenn es NA in einem der 3 Variablen, die ich immer noch wollen, um die sum. Um dies zu tun, verwenden mutate ersetzte ich alle NA Werte mit 0 mit ifelse dann hab ich die sum. 

library(dplyr)
df %>% mutate(mod_var1 = ifelse(is.na(var1), 0, var1),
              mod_var2 = ifelse(is.na(var2), 0, var2),
              mod_var3 = ifelse(is.na(var3), 0, var3),
              sum = (mod_var1+mod_var2+mod_var3))

Gibt es eine bessere (kürzere) Weg, dies zu tun?

DATEN

df <- read.table(text = c("
var1    var2    var3
4   5   NA
2   NA  3
1   2   4
NA  3   5
3   NA  2
1   1   5"), header =T)
  • replace(df, is.na(df), 0) %>% mutate(sum = var1 + var2 + var3)
  • Deine Antwort ist toll. Jedoch, wie ich bereits in der Frage ich habe einen Daten.Rahmen, die 100 Variablen und Ihre Antwort ersetzen, NA alle 100 Variablen mit null (nicht nur var1,var2 und var3), die ich nicht will
InformationsquelleAutor shiny | 2017-01-08
  1. 2

    Wir können Reduce mit +

    df %>% 
     mutate_each(funs(replace(., is.na(.), 0)), var1:var3) %>% 
     mutate(Sum = Reduce(`+`, .))      
#   var1 var2 var3 Sum
#1    4    5    0   9
#2    2    0    3   5
#3    1    2    4   7
#4    0    3    5   8
#5    3    0    2   5
#6    1    1    5   7

    Oder mit rowSums

    df %>% 
   mutate(Sum = rowSums(.[names(.)[1:3]], na.rm = TRUE))
#   var1 var2 var3 Sum
#1    4    5   NA   9
#2    2   NA    3   5
#3    1    2    4   7
#4   NA    3    5   8
#5    3   NA    2   5
#6    1    1    5   7

    Benchmarks

    set.seed(24)
df1 <- as.data.frame(matrix(sample(c(NA, 1:5), 1e6 *3, replace=TRUE),
                dimnames = list(NULL, paste0("var", 1:3)), ncol=3))
system.time({
df1 %>% rowwise() %>% mutate(Sum = sum(c(var1, var2, var3), na.rm = TRUE))
})
# user  system elapsed 
#  21.50    0.03   21.66 

system.time({
df1 %>%
    mutate(rn = row_number()) %>%
    gather(var, varNum, var1:var3) %>%
    group_by(rn) %>%
    mutate(sum = sum(varNum, na.rm = TRUE)) %>% 
    spread(var, varNum)})
 # user  system elapsed 
 #  5.96    0.39    6.37 


system.time({
replace(df1, is.na(df1), 0) %>% mutate(sum = var1 + var2 + var3)
})

# user  system elapsed 
#   0.17    0.01    0.19 

system.time({
df1 %>% 
     mutate_each(funs(replace(., is.na(.), 0)), var1:var3) %>% 
     mutate(Sum = Reduce(`+`, .))      
})
# user  system elapsed 
#   0.10    0.02    0.11 

system.time({
df1 %>% 
   mutate(Sum = rowSums(.[names(.)[1:3]], na.rm = TRUE))
   })
# user  system elapsed 
#   0.04    0.00    0.03
    • Vielen Dank für Ihre Zeit und Hilfe. Es scheint aus deiner Antwort, dass rowSums ist die beste und schnellsten Weg, es zu tun. Jedoch, wie ich in der Frage genannten Daten.Rahmen hat 100 Variablen, die nicht nur 3 Variablen und diese 3 Variablen (var1 bis var3) unterschiedliche Namen haben und die sind weit von einander entfernt wie (Spalte 3, 7 und 76). Gibt es irgendwie die Variablennamen anstelle von 1:3 in rowSums?
    • Wenn Sie wissen, die Positionen dieser Variablen, die Sie verwenden können, die names(df)[c(3, 7, 76)] oder Sie können die tatsächlichen Namen der Spalten, d.h. rowSums(.[c("somename", "another", "var5")]
    InformationsquelleAutor akrun
  2. 4

    rowwise() ist mein go-to-Funktion. Es ist wie group_by() aber es behandelt jede Zeile als eine einzelne Gruppe.

    df %>% rowwise() %>% mutate(Sum = sum(c(var1, var2, var3), na.rm = TRUE))
    • Vielen Dank für Ihre Zeit und Hilfe. rowwise ist groß, aber es braucht lange Zeit, um das Ergebnis, vor allem, ich habe 1,3 Millionen Zeilen.
    InformationsquelleAutor Phil
  3. 1

    Wo besser = tidyr:

    df %>%
    mutate(rn = row_number()) %>%
    gather(var, varNum, var1:var3) %>%
    group_by(rn) %>%
    mutate(sum = sum(varNum, na.rm = TRUE)) %>% 
    spread(var, varNum)

    Falls Ihr Datensatz wird balanciert, um zu wachsen...

    InformationsquelleAutor leerssej
Schreibe einen Kommentar