r - 获取某列对于另一列的不同类别不适用的行数

Question

我有一个数据表qq。以下是dput

    structure(list(Sepal.Length = c(NA, NA, 4.7, NA, 5), Sepal.Width = c(3.5, 
NA, 3.2, 3.1, 3.6), Petal.Length = c(1.4, 1.4, 1.3, 1.5, 1.4), 
    Petal.Width = c(0.2, 0.2, 0.2, 0.2, 0.2), Species = c("a", 
    "a", "b", "b", "b")), .Names = c("Sepal.Length", "Sepal.Width", 
"Petal.Length", "Petal.Width", "Species"), row.names = c(NA, 
-5L), class = c("data.table", "data.frame"), .internal.selfref = <pointer: 0x0000000011c90788>)

> qq
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1:           NA         3.5          1.4         0.2       a
2:           NA          NA          1.4         0.2       a
3:          4.7         3.2          1.3         0.2       b
4:           NA         3.1          1.5         0.2       b
5:          5.0         3.6          1.4         0.2       b

我想获取 Species 列的每个类别的行数，这样 Sepal.Length 列就不是 NA。最终结果如下所示(参见新列 no_rows)

> qq

       Sepal.Length Sepal.Width Petal.Length Petal.Width Species    no_rows
    1:           NA         3.5          1.4         0.2       a      0
    2:           NA          NA          1.4         0.2       a      0
    3:          4.7         3.2          1.3         0.2       b      2 
    4:           NA         3.1          1.5         0.2       b      2
    5:          5.0         3.6          1.4         0.2       b      2

我做了以下

qq[, no_rows:= nrow(qq[is.na(Sepal.Length) == F, ]), .(Species)]

但它不起作用。有人可以给我一个有效的 data.table 解决方案吗？

Answer 1

我们按“物种”分组，得到逻辑索引 (!is.na(Sepal.Length)) 的 sum 并赋值 (:=) 创建“no_rows”的输出。

qq[, no_rows := sum(!is.na(Sepal.Length)) , by = Species]
qq
#    Sepal.Length Sepal.Width Petal.Length Petal.Width Species no_rows
#1:           NA         3.5          1.4         0.2       a       0
#2:           NA          NA          1.4         0.2       a       0
#3:          4.7         3.2          1.3         0.2       b       2
#4:           NA         3.1          1.5         0.2       b       2
#5:          5.0         3.6          1.4         0.2       b       2