仅当行重复时才删除在特定列中包含 NA 的行(基于其他两列)

Question

我有一个数据框，它是左连接的结果。下面提供了示例数据:

   P.I.D..     Status List.year CURRENT_LAND_VALUE CURRENT_IMPROVEMENT_VALUE
   <chr>       <chr>      <dbl>              <dbl>                     <dbl>
 1 003-913-627 X           2000                 NA                        NA
 2 003-913-627 T           2010            1578000                   1201000
 3 003-913-627 S           2018                 NA                        NA
 4 003-913-627 S           2018            2814000                    901000
 5 003-913-627 S           2002                 NA                        NA
 6 003-913-627 T           2007             390000                    282000
 7 003-913-627 T           2007             295000                    180000
 8 003-913-627 S           2008             464000                    391000
 9 003-913-627 S           2008             339000                    246000
10 003-913-627 X           2009             339000                    246000
11 003-913-627 X           2009             464000                    391000

抱歉，我尝试使用 dput为数据生成代码，但是当我尝试时，它给了我一些不相关的结果，这些结果不代表上面显示的表格
可以看出 年份 2018 和 PID 003-913-627，显示两行。一个号码是 CURRENT_LAND_VALUE 和 CURRENT_IMPROVEMENT_VALUE 一行包括 NA。我想要做的是删除具有 NA 值的行 仅当 该行是重复的(这意味着我们还有另一行具有相同的 PID 和 List.year 。
在某些情况下，如第一行，因为没有与 相同的行PID 003-913-627 和 列表.年份 2000 不应该删除 NA。上述数据框的预期结果是:

   P.I.D..     Status List.year CURRENT_LAND_VALUE CURRENT_IMPROVEMENT_VALUE
   <chr>       <chr>      <dbl>              <dbl>                     <dbl>
 1 003-913-627 X           2000                 NA                        NA
 2 003-913-627 T           2010            1578000                   1201000
 4 003-913-627 S           2018            2814000                    901000
 5 003-913-627 S           2002                 NA                        NA
 6 003-913-627 T           2007             390000                    282000
 7 003-913-627 T           2007             295000                    180000
 8 003-913-627 S           2008             464000                    391000
 9 003-913-627 S           2008             339000                    246000
10 003-913-627 X           2009             339000                    246000
11 003-913-627 X           2009             464000                    391000

总之:我想删除在“CURRENT_LAND_VALUE”和“CURRENT_IMPROVEMENT_VALUE”中有NA的行，只有当已经有一个具有相同“PID”和“List.Year”的行具有“CURRENT_IMPROVEMENT_VALUE”或“CURRENT_LAND_VALUE”的实际值时
我怎样才能做到这一点？

Answer 1

summarise分组后可以在这里用作 dplyr版本>= 1.0每组可以返回多于一行。在这里，我们可以使用分组列，然后做summarise across如果其中至少一个是非 NA 则返回非 NA 元素的数字列，否则返回 NA

library(dplyr)
df1 %>%
   group_by(`P.I.D..`, Status, List.year) %>%
   summarise(across(where(is.numeric),  
     ~ if(all(is.na(.))) NA_real_ else .[complete.cases(.)]), .groups = 'drop')

-输出

# A tibble: 10 x 5
#   P.I.D..     Status List.year CURRENT_LAND_VALUE CURRENT_IMPROVEMENT_VALUE
#   <chr>       <chr>      <int>              <dbl>                     <dbl>
# 1 003-913-627 S           2002                 NA                        NA
# 2 003-913-627 S           2008             464000                    391000
# 3 003-913-627 S           2008             339000                    246000
# 4 003-913-627 S           2018            2814000                    901000
# 5 003-913-627 T           2007             390000                    282000
# 6 003-913-627 T           2007             295000                    180000
# 7 003-913-627 T           2010            1578000                   1201000
# 8 003-913-627 X           2000                 NA                        NA
# 9 003-913-627 X           2009             339000                    246000
#10 003-913-627 X           2009             464000                    391000

详情- across循环多列。在其中，第一个表达式可以是感兴趣的列。我们可以使用 everything()如果所有其余的列都需要循环或表达式来检查 type的列，如果它满足只做循环( where(is.numeric) )，然后我们创建一个 lamdba 表达式( ~ - function(x) 等效)，并使用一些条件 if/else .它可能不需要，但是当某些列只有 NA 时，它只是防止它失败的一个选项。 .在 else ，我们使用非 NA 元素( .[complete.cases(.)] )对列进行子集化。
一个假设是它会为每一列返回相同的长度，否则可以用 list 包裹起来。
数据

df1 <- structure(list(P.I.D.. = c("003-913-627", "003-913-627", "003-913-627", 
"003-913-627", "003-913-627", "003-913-627", "003-913-627", "003-913-627", 
"003-913-627", "003-913-627", "003-913-627"), Status = c("X", 
"T", "S", "S", "S", "T", "T", "S", "S", "X", "X"), List.year = c(2000L, 
2010L, 2018L, 2018L, 2002L, 2007L, 2007L, 2008L, 2008L, 2009L, 
2009L), CURRENT_LAND_VALUE = c(NA, 1578000L, NA, 2814000L, NA, 
390000L, 295000L, 464000L, 339000L, 339000L, 464000L), 
CURRENT_IMPROVEMENT_VALUE = c(NA, 
1201000L, NA, 901000L, NA, 282000L, 180000L, 391000L, 246000L, 
246000L, 391000L)), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6", "7", "8", "9", "10", "11"))