r - 使用 dplyr::group_by() 使用 NA 查找最小日期

Question

这个问题在这里已经有了答案:





R `Inf` when it has class `Date` is printing `NA`

(1 个回答)


3年前关闭。




我正在寻找组内的最短日期。很多时候，该组只包含缺少的日期(在这种情况下，我更喜欢分配类似 NA 的内容)。
NA s 似乎被正确分配，但它们没有响应 is.na()正如我所料。 当单元格显示为 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看起来正确。 ds_subject对我来说看起来是正确的，除了最后一列。

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'?

我抖动了几个维度但没有成功，包括:(a) 操作系统，(b) R 版本(包括 3.4.3 patched)，
(c) dplyr & rlang版本(包括 CRAN 和 GitHub 版本)，以及 (d) tibble对比 data.frame .作为临时解决方法(此处未显示)，我在找到最小值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):即使警告消息说 Inf被退回， NA打印数据集时出现。 (此行为与 min(as.Date(NA), na.rm=T) 一致)。

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

进一步检查日期列似乎与上面的数据集 View 一致。类型是日期，最后四个单元格是 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，还是我滥用了某些东西？这是否相关 NA被生产而不是无限？

编辑 1

@eipi10 和@mtoto 下面的链接帮助我更好地理解。谢谢。我对打印 'NA' 而不是 'Inf' 并不感到兴奋，但我会尽量记住这一点。

为了解决这种特定情况，是否有比 base::min() 更好的功能？ ?

我想要一个可以包含在 dplyr::mutate() 中的函数/ dplyr::summarize() 行为类似于 SQL 的子句。 (当 is.na() 替换 summarize() 时，最初的 dplyr 示例仍然存在 mutate() 问题)。

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)
  )

结果哪里缺组有礼貌 NA按预期响应 is.na() 的值:

# 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          

编辑 2

我看到这个问题被标记为 R Inf when it has class Date is printing NA 的重复.我看到了很多重叠(我从那个问题中学到了很多东西，以及它对我的初始代码有什么影响)，但我相信它们是不同的问题。

本题涉及分组，返回 NA当不存在非缺失值时。我只对 base::min() 不感兴趣.如上所述，理想情况下 base::min()完全避免使用已建立且经过测试的功能/方法，其行为更像 SQL。

(尽管我很感激 @alistaire 在 base:min() 周围的包装器，如果不存在已建立的功能/方法，我会使用它。)

Answer 1

问题是min与 na.rm = TRUE和所有- NA值返回 Inf ( max 等效返回 -Inf )，但 print.Date没有办法显示这些值，所以它打印为 NA ，即使这不是存储值。

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

如果您愿意，您可以重新定义打印方法，以便根据您的喜好进行打印，例如

print.Date <- function(x, ...){
    if(x == Inf | x == -Inf) {
        print(as.numeric(x))
    } else {
        base::print.Date(x, ...)
    }
}

x
#> [1] Inf

要实际获得您想要的结果，请指定如果所有值都为 NA 应返回的内容:

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

它并不那么简洁，但其行为完全可以预测。