r - 按组查找第一个和最后一个 NA 值的全局索引

Question

我有一个表格的数据集

#create data.frame
df <- data.frame(id    = rep(1:3,each=10),
                 value = rnorm(30))

#throw in some NAs
df[c(1:5, 25:30),2] <- NA 

df[1:10,]
   id      value
1   1         NA
2   1         NA
3   1         NA
4   1         NA
5   1         NA
6   1 -1.0763008
7   1 -0.4026228
8   1  1.6110506
9   1 -1.0626593
10  1 -0.4058101

我想按组查找第一个和最后一个非 NA 值。我尝试编写一个函数来执行此操作，如果没有分组，它可以正常工作:

first.last.non.na = function(x){
  return(c(min(which(!is.na(x))),max(which(!is.na(x)))))
}

当我尝试将它与聚合结合使用时，不幸的是，它只返回 组中第一个和最后一个非 NA 值的索引(正如预期的那样):

aggregate(df[,2], by = list(df[,1]), FUN = first.last.non.na)
  Group.1 x.1 x.2
1       1   6  10
2       2   1  10
3       3   1   4

我想要的输出是第一个和最后一个非 NA 值的“全局”索引，即

  Group.1 x.1 x.2
1       1   6  10
2       2   11 20
3       3   21 24

任何解决方案也适用于超大数据集？

Answer 1

主要思想是在分组之前根据行号创建一个变量。使用 dplyr,

library(dplyr)

df %>% 
 mutate(rn = row_number()) %>% 
 group_by(id) %>% 
 summarise(v1 = first(rn[!is.na(value)]), 
           v2 = last(rn[!is.na(value)]))

这给出了，

# A tibble: 3 x 3
     id    v1    v2
  <int> <int> <int>
1     1     6    10
2     2    11    20
3     3    21    24