R 保留重复行中 nas 最少的行

Question

我有一个包含用户信息的 data.frame，但每个用户 ID 可能有也可能没有重复的行，并且不同变量中存在相当多的缺失数据。我想做的是删除重复的用户数据，但对于每个用户，我想保留行中包含最少缺失值的行，以保留尽可能多的用户信息。以下是创建演示数据框的代码示例。任何帮助将不胜感激，特别是如果它是通过“dplyr”包完成的。

User_Table <- data.frame(User_ID =rep(c("UserA","UserB","UserC"),each=3),
                     VariableA= rep(c(1,NA,2),each=3),
                     VariableB = rep(c("TypeA","TypeB",NA),each=3),
                     VariableC = rep(c(NA,2,3),each=3))

User_Table[c(1,2,4,5,6,7),3] <- NA

Answer 1

这是一种使用 dplyr 的方法:

User_Table %>%
  arrange(rowSums(is.na(.))) %>%        # sort rows by number of NAs
  distinct(User_ID, .keep_all = TRUE)   # keep first row per User_ID only

结果:

  User_ID VariableA VariableB VariableC
1   UserA         1     TypeA        NA
2   UserC         2      <NA>         3
3   UserB        NA      <NA>         2