R：使用面板資料計算資料框中某列每天缺失值(NA)的百分比，并洗掉缺失資料超過25%的天數

我有一個包含每日資料的龐大面板資料集。我想洗掉“大小”列中缺失超過 25% 觀察資料的所有日期。

我創建了以下資料來顯示我的真實資料的樣子：

structure(list(Product = c("A", "A", "A", "A", "A", "A", "A", 
"A", "A", "B", "B", "B", "B", "B", "B", "B", "B", "B", "C", "C", 
"C", "C", "C", "C", "C", "C", "C"), Date = c("01.09.2018", "02.09.2018", 
"03.09.2018", "04.09.2018", "05.09.2018", "11.11.2020", "12.11.2020", 
"13.11.2020", "14.11.2020", "01.09.2018", "02.09.2018", "03.09.2018", 
"04.09.2018", "05.09.2018", "11.11.2020", "12.11.2020", "13.11.2020", 
"14.11.2020", "01.09.2018", "02.09.2018", "03.09.2018", "04.09.2018", 
"05.09.2018", "11.11.2020", "12.11.2020", "13.11.2020", "14.11.2020"
), Size = c(10L, 9L, NA, 3L, 4L, 5L, 3L, NA, 6L, 7L, 4L, NA, 
4L, 6L, 6L, 4L, 6L, 7L, 3L, 4L, NA, 2L, 4L, NA, 7L, 7L, 5L)), class = "data.frame", row.names = c(NA, 
-27L))

我已經嘗試了以下方法，但我對如何繼續使用代碼有所了解：

Data %>% summarize(group_by(Date), NoData=(is.na(Size))

然后我得到一個錯誤，我不能將 group_by 用于“日期”類的物件。此外，我不知道如何自動洗掉“大小”列中缺失值超過 25% 的天數。

任何人都可以在這里幫助我解決適用于我的問題的代碼嗎？

我感謝您的幫助。

uj5u.com熱心網友回復：

如果您summarize()，您會在個別日子丟失大量資訊。此外，group_by()在進一步的 dplyr 動詞之前使用。您可以通過將 NA 的總和除以天數的總和來計算 NA 的百分比。as_tibble()僅用于更好地顯示行數，沒有它也可以。我添加了一列“CountDate”，以便您知道同一天在您的資料框中出現了多少次。

Data %>% as_tibble() %>%  
  group_by(Date) %>% 
  mutate(CountDate = n(), PercNA = sum(is.na(Size))/n()*100)

# A tibble: 27 x 5
# Groups:   Date [9]
   Product Date        Size CountDate PercNA
   <chr>   <chr>      <int>     <int>  <dbl>
 1 A       01.09.2018    10         3    0  
 2 A       02.09.2018     9         3    0  
 3 A       03.09.2018    NA         3  100  
 4 A       04.09.2018     3         3    0  
 5 A       05.09.2018     4         3    0  
 6 A       11.11.2020     5         3   33.3
 7 A       12.11.2020     3         3    0  
 8 A       13.11.2020    NA         3   33.3
 9 A       14.11.2020     6         3    0  
10 B       01.09.2018     7         3    0  
# ... with 17 more rows

要洗掉具有 >25% NA 的日期，只需filter()：

Data %>% as_tibble() %>%  
  group_by(Date) %>% 
  mutate(CountDate = n(), PercNA = sum(is.na(Size))/n()*100) %>%
  filter(PercNA <25) %>% 
  ungroup()

# A tibble: 18 x 5
   Product Date        Size CountDate PercNA
   <chr>   <chr>      <int>     <int>  <dbl>
 1 A       01.09.2018    10         3      0
 2 A       02.09.2018     9         3      0
 3 A       04.09.2018     3         3      0
 4 A       05.09.2018     4         3      0
 5 A       12.11.2020     3         3      0
 6 A       14.11.2020     6         3      0
 7 B       01.09.2018     7         3      0
 8 B       02.09.2018     4         3      0
 9 B       04.09.2018     4         3      0
10 B       05.09.2018     6         3      0
11 B       12.11.2020     4         3      0
12 B       14.11.2020     7         3      0
13 C       01.09.2018     3         3      0
14 C       02.09.2018     4         3      0
15 C       04.09.2018     2         3      0
16 C       05.09.2018     4         3      0
17 C       12.11.2020     7         3      0
18 C       14.11.2020     5         3      0

uj5u.com熱心網友回復：

@Gnueghoidune 的回答非常好。我只想補充一點，可以直接在里面寫filter()，從而避免使用summarize()and mutate()。

下面是一個例子（我用的是mean(is.na(x))代替sum(is.na(x))/n()）：

library(dplyr)

Data %>% 
  group_by(Date) %>% 
  filter(mean(is.na(Size)) <= 0.25)

#> # A tibble: 18 × 3
#> # Groups:   Date [6]
#>    Product Date        Size
#>    <chr>   <chr>      <int>
#>  1 A       01.09.2018    10
#>  2 A       02.09.2018     9
#>  3 A       04.09.2018     3
#>  4 A       05.09.2018     4
#>  5 A       12.11.2020     3
#>  6 A       14.11.2020     6
#>  7 B       01.09.2018     7
#>  8 B       02.09.2018     4
#>  9 B       04.09.2018     4
#> 10 B       05.09.2018     6
#> 11 B       12.11.2020     4
#> 12 B       14.11.2020     7
#> 13 C       01.09.2018     3
#> 14 C       02.09.2018     4
#> 15 C       04.09.2018     2
#> 16 C       05.09.2018     4
#> 17 C       12.11.2020     7
#> 18 C       14.11.2020     5

^{由reprex 包于 2022-04-15 創建(v2.0.1)}

標籤：r 日期 控制板 百分比

上一篇：在R中迭代時，日期被轉換為數字

下一篇：從另一個函式功能性地創建陣列