r - 使用 dplyr 根据分组变量计算列 NA

Question

虽然我怀疑之前没有发布过，但我找不到任何类似的问题。我的问题与 Calculate using dplyr, percentage of NA'S in each column .

---

在每个受试者有多个观察值的数据集中，不仅可以计算缺失数据条目的总数(即每列的总 NA)，还可以计算有多少受试者缺失数据某种。

例如，在数据集 db 中(见下文)item_1 缺少 2 个主题，item_2 缺少 1 个主题。

Edit 1: What I am interested in is how many subjects have (any) missing value per item. Even if in item_2 there are two missing observations for subject number 1, this should be counted as 1 since it is still the same subject.

library("dplyr")

db <- data.frame(
  subject = c(1, 1, 1, 2),
  item_1 = c(NA, 2, 3, NA),
  item_2 = c(1, NA, NA, 4)
)
db
#>   subject item_1 item_2
#> 1       1     NA      1
#> 2       1      2     NA
#> 3       1      3     NA
#> 4       2     NA      4

到目前为止，我的方法是将所有单个计算cbind 到一个新的data.frame 中，但这很快就会变得困惑(有更多的列)并且肯定没有很好地编码。

Edit 1: However, this shows the desired values, as item_1 is missing for two subjects (1 and 2) and item_2 is only missing for 1 subject (subject 2).

cbind(
  db %>%
    filter(is.na(item_1)) %>%
    summarise(na_item_1 = n_distinct(subject)),
  db %>%
    filter(is.na(item_2)) %>%
    summarise(na_item_2 = n_distinct(subject))
)
#>   na_item_1 na_item_2
#> 1         2         1

问题:dplyr 中是否有计算这个的方法？

理想情况下，我还想在某处添加缺失的比例(如下例所示):

data.frame(
  type = c("n", "proportion"),
  na_item_1 = c(2, 1.0),
  na_item_2 = c(1, 0.5)
)
#>         type na_item_1 na_item_2
#> 1          n       2.0       1.0
#> 2 proportion       1.0       0.5

^{由 reprex package 创建于 2019-04-16 (v0.2.1)}

提前致谢!

Answer 1

另一个dplyr版本是第一个group_by subject找出有 any 的组NA值，然后 group_by列并计算 NA 的总值s n并将其除以 subject 的总唯一值得到prop .

library(dplyr)
library(tidyr)

db %>%
  group_by(subject) %>%
  summarise_all(~any(is.na(.))) %>%
  ungroup() %>%
  select(-subject) %>%
  gather() %>%
  group_by(key) %>%
  summarise(n = sum(value), 
            prop = n/n_distinct(db$subject))

#   key       n  prop
#   <chr>  <int> <dbl>
#1 item_1     2   1  
#2 item_2     1   0.5