我找到了一个组内的最小日期.很多时候,该组仅包括缺少日期(在这种情况下,我更喜欢NA分配的东西).
在NA小号似乎正确分配,但他们没有回应is.na(),因为我期望的那样. 当单元格显示为时NA,is.na()输出意外为FALSE.
library(magrittr)
ds_visit <- tibble::tribble(
~subject_id, ~date,
1L, as.Date("2017-01-01" ),
1L, as.Date("2017-02-01" ),
2L, as.Date(NA_character_),
2L, as.Date("2017-01-02" ),
3L, as.Date(NA_character_),
3L, as.Date(NA_character_),
4L, as.Date(NA_character_),
4L, as.Date(NA_character_)
)
ds_subject <- ds_visit %>%
# as.data.frame() %>%
dplyr::group_by(subject_id) %>%
dplyr::mutate(
date_na = is.na(date), # Works as expected
date_min = min(date, na.rm=T), # Works as expected
date_min_na = is.na(date_min) # Does NOT work as expected.
) %>%
dplyr::ungroup() # %>% as.data.frame()
ds_visit看起来不错. ds_subject看起来对我来说是正确的,除了最后一栏.
ds_subject(最后一列的最后四行是意外的.)
# A tibble: 8 x 5
subject_id date date_na date_min date_min_na
<int> <date> <lgl> <date> <lgl>
1 1 2017-01-01 F 2017-01-01 F
2 1 2017-02-01 F 2017-01-01 F
3 2 NA T 2017-01-02 F
4 2 2017-01-02 F 2017-01-02 F
5 3 NA T NA F # Should be 'T'?
6 3 NA T NA F # Should be 'T'?
7 4 NA T NA F # Should be 'T'?
8 4 NA T NA F # Should be 'T'?
我没有成功地忽略了几个维度,包括:(a)操作系统,(b)R版本(包括3.4.3补丁),(c)dplyr&rlang版本(包括CRAN和GitHub版本),以及(d)tibblevs. data.frame.作为临时工作(此处未显示),我在找到分钟之前将日期转换为字符,然后转换回日期.
警告消息(从主题3和4生成):即使Inf返回警告消息,也会NA在打印数据集时显示.(这种行为是一致的min(as.Date(NA), na.rm=T)).
1: In min.default(c(NA_real_, NA_real_), na.rm = TRUE) :
no non-missing arguments to min; returning Inf
2: In min.default(c(NA_real_, NA_real_), na.rm = TRUE) :
no non-missing arguments to min; returning Inf
对日期列的进一步检查似乎与上面的数据集视图一致.类型是日期,最后四个单元格NA不是无穷大.
> str(ds_subject$date_min)
Date[1:8], format: "2017-01-01" "2017-01-01" "2017-01-02" "2017-01-02" NA NA NA NA
这是一个错误,还是我滥用了什么？这是相关NA的产生而不是无限？
@ eipi10和@mtoto下面的链接帮助我更好地理解.谢谢.我不是很高兴'NA'打印而不是'Inf',但我会试着记住它.
为了解决这个特定的情况,是否有更好的功能base::min()？
我想要一个我可以包含在dplyr::mutate()/ dplyr::summarize()子句中的函数,它的行为与SQL类似.(最初的dplyr示例is.na()在summarize()替换时仍然存在问题mutate()).
例如:
"
SELECT
subject_id,
MIN(date) AS date_min
--MIN(date) OVER (PARTITION BY subject_id) AS date_min --`OVER` not supported by sqlite
FROM ds_visit
GROUP BY subject_id
" %>%
sqldf::sqldf() %>%
tibble::as_tibble() %>%
dplyr::mutate(
# date_min_na_1 = is.na(date_min), #Before conversion back to date (from numeric); same result as below.
date_min = as.Date(date_min, "1970-01-01"),
date_min_na = is.na(date_min)
)
丢失的组具有良好的NA值,可以按预期响应is.na():
# A tibble: 4 x 3
subject_id date_min date_min_na
<int> <date> <lgl>
1 1 2017-01-01 F
2 2 2017-01-02 F
3 3 NA T
4 4 NA T
我看到这个问题在打印类时被标记为RInfDateNA的副本.我看到了很多重叠(我从这个问题中学到了很多,以及我的初始代码是如何产生问题的),但我相信它们是不同的问题.
此问题涉及分组,并NA在没有非缺失值时返回.我完全不感兴趣base::min().如上所述,理想base::min()情况下完全避免使用行为更像SQL的已建立和经过测试的功能/方法.
(虽然我很感激@ alistaire的包装base:min(),如果不存在已建立的功能/方法,我会使用它.)
问题是minwith na.rm = TRUE和all- NAvalues返回Inf（max等效地返回-Inf），但是print.Date没有显示这些值的方法，因此NA即使它不是存储的值，也将其打印为。
min(NA, na.rm = TRUE)
#> Warning in min(NA, na.rm = TRUE): no non-missing arguments to min;
#> returning Inf
#> [1] Inf
x <- min(as.Date(NA), na.rm = TRUE)
#> Warning in min.default(structure(NA_real_, class = "Date"), na.rm = TRUE):
#> no non-missing arguments to min; returning Inf
x
#> [1] NA
is.na(x)
#> [1] FALSE
x == Inf
#> [1] TRUE
如果愿意，可以重新定义打印方法，以便按自己喜欢的方式打印，例如
print.Date <- function(x, ...){
if(x == Inf | x == -Inf) {
print(as.numeric(x))
} else {
base::print.Date(x, ...)
}
}
x
#> [1] Inf
要真正获得所需的结果，请指定所有值均应返回的值NA：
library(tidyverse)
ds_visit <- data_frame(subject_id = c(1L, 1L, 2L, 2L, 3L, 3L, 4L, 4L),
date = as.Date(c("2017-01-01", "2017-02-01", NA, "2017-01-02", NA, NA, NA, NA)))
ds_visit %>%
group_by(subject_id) %>%
summarise(date_min = if(all(is.na(date))) NA else min(date, na.rm = TRUE),
date_min_na = is.na(date_min))
#> # A tibble: 4 x 3
#> subject_id date_min date_min_na
#> <int> <date> <lgl>
#> 1 1 2017-01-01 FALSE
#> 2 2 2017-01-02 FALSE
#> 3 3 NA TRUE
#> 4 4 NA TRUE
它不是那么简洁，但是在行为上是完全可以预见的。