R仅删除具有NA的组

Question

我有一个类似于以下结构生成的数据帧:

library(dplyr)

df1 <- expand.grid(region   = c("USA", "EUR", "World"),
                  time     = c(2000, 2005, 2010, 2015, 2020),
                  scenario = c("policy1", "policy2"),
                  variable = c("foo", "bar"))

df2 <- expand.grid(region   = c("USA", "EUR", "World"),
                  time     = seq(2000, 2020, 1),
                  scenario = c("policy1", "policy2"),
                  variable = c("foo", "bar"))

df2 <- filter(df2, !(time %in% c(2000, 2005, 2010, 2015, 2020)))

df1$value <- rnorm(dim(df1)[1], 1.5, 1)
df1[df1 < 0] <- NA
df2$value <- NA

df1[df1$region == "World" & df1$variable == "foo", "value"] <- NA

df <- rbind(df1, df2)

rm(df1, df2)

df <- arrange(df, region, scenario, variable, time)

df包含NA的两种"类型".对于区域和变量的一个组合(World/foo),根本没有数据.对于所有其他组合,我们在2000年,2005年,2010年,2015年,2020年之间的所有年份都有NA.

我需要一个过滤器来删除仅包含NA的区域和变量的组合,但保留那些仅包含少量NA的组合.背景是我想应用线性插值来计算后者的缺失值,通过组合dplyr和zoo-package(用于插值)的功能,使用类似这样的东西:

df <- group_by(df, region, scenario, variable, time) %>%
      mutate(value = zoo::na.approx(value)) %>% ungroup()

仅包含NAs的组导致na.approx返回错误,因为它不能仅对NA起作用.

Answer 1

为了保持唯一组合region,并variable具有至少1个非NA条目value,您可以使用:

df %>% group_by(region, variable) %>% filter(any(!is.na(value)))

或等效地:

df %>% group_by(region, variable) %>% filter(!all(is.na(value)))

使用data.table,您可以使用:

library(data.table)
setDT(df)[, if(any(!is.na(value))) .SD, by = .(region, variable)]

基数R的方法可以是:

df_split <- split(df, interaction(df$region, df$scenario, df$variable))
do.call(rbind.data.frame, df_split[sapply(df_split, function(x) any(!is.na(x$value)))])