计算每个类缺少的值

我认为这是一个更干净的解决方案,只使用tidyverse。您不需要知道列的数量。您还可以使用 ?select_helpers 在里面 gather() 选择列,例如。 starts_with("var") .

fakeData %>% 
  group_by(Class) %>% 
  gather(variable, value, -Class) %>% # all except Class 
  summarise(missing_n = sum(is.na(value)))

# A tibble: 2 x 2
  Class  missing_n
  <fctr>     <int>
1 A              5
2 B              2

也许我们能做到

fakeData %>%
      group_by(Class) %>%
      summarise_all(funs(sum(is.na(.)))) %>%
      transmute(Class, numMissing = var1 + var2)

如果我们有许多列,那么使用 purrr::reduce

fakeData %>%
    group_by(Class) %>% 
    summarise_all(funs(sum(is.na(.)))) %>% 
    transmute(Class, numMissing = .[-1] %>% reduce(`+`))
    #or with rowSums
    #transmute(Class, numMissing = rowSums(.[-1]))

我建议使用重塑库以长格式融合数据集。然后只需按类变量使用聚合函数。

library(reshape)

fakeData <- data.frame(var1 = c(1,2,NA,4,NA,6,7,8,9,10),
                       var2=c(11,NA,NA,14,NA,16,17,NA,19,NA), 
                       Class = c(rep("A", 5), rep("B", 5)))

fData <- melt(fakeData, measure.vars = c("var1", "var2"))

fData
   Class variable value
1      A     var1     1
2      A     var1     2
3      A     var1    NA
4      A     var1     4
5      A     var1    NA
6      B     var1     6
7      B     var1     7
8      B     var1     8
9      B     var1     9
10     B     var1    10
11     A     var2    11
12     A     var2    NA
13     A     var2    NA
14     A     var2    14
15     A     var2    NA
16     B     var2    16
17     B     var2    17
18     B     var2    NA
19     B     var2    19
20     B     var2    NA

with(fData, aggregate(value, list(Class), function(x) { sum(is.na(x)) }))
  Group.1 x
1       A 5
2       B 2