如何在R中按组查找data.frame缺失值并无循环生成目标数据集

方法1：统计每组缺失值与非缺失值的分布 #

使用dplyr分组统计，将缺失值作为单独类别整合到结果中：

library(dplyr)

# 按group分组，统计class列的缺失与非缺失出现次数
missing_summary <- sample_data %>%
  group_by(group) %>%
  mutate(class_clean = ifelse(is.na(class), "NA", class)) %>%
  count(class_clean, name = "count") %>%
  ungroup()

print(missing_summary)

这段代码会将每个分组下的class非NA值和缺失值（标记为"NA"）的出现次数统计出来，最终得到包含分组、类别（含缺失标记）和计数的整合结果。

方法2：扩展每组至包含所有可能类别（含缺失），标记存在状态 #

如果需要将每组的已存在值和未出现的类别（含缺失）都列出来，可以结合tidyr扩展数据：

library(dplyr)
library(tidyr)

# 获取所有非NA的唯一class值
all_classes <- unique(sample_data$class[!is.na(sample_data$class)])

# 按group扩展所有可能的class值，标记是否存在
full_result <- sample_data %>%
  group_by(group) %>%
  distinct(class, .keep_all = TRUE) %>%
  filter(!is.na(class)) %>%
  complete(class = c(all_classes, NA)) %>%
  mutate(exists = ifelse(!is.na(data), 1, 0)) %>%
  ungroup()

print(full_result)

结果会包含每个分组下所有可能的class值（包括NA），并标记该类别是否在原分组中存在。

观察目标数据规律：每个group包含所有非NA的class值（A、B、C、D、E），每个class重复2行；data列值为1（对应原分组中存在的class）或0（对应原分组中不存在的class）。用tidyverse工具链实现：

library(dplyr)
library(tidyr)

# 1. 整理原数据：标记每个分组实际存在的非NA类别
group_class_map <- sample_data %>%
  filter(!is.na(class)) %>%
  distinct(group, class) %>%
  mutate(data = 1)

# 2. 生成所有分组与所有目标类别的全组合
all_groups <- unique(sample_data$group)
all_classes <- unique(sample_data$class[!is.na(sample_data$class)])
full_combinations <- expand.grid(group = all_groups, class = all_classes, stringsAsFactors = FALSE)

# 3. 匹配存在状态、填充缺失值、重复每行2次
desired_data <- full_combinations %>%
  left_join(group_class_map, by = c("group", "class")) %>%
  mutate(data = replace_na(data, 0)) %>%
  slice(rep(1:n(), each = 2)) %>%
  arrange(group, class)

print(desired_data)

生成的结果与题目给出的desired_data完全一致，全程未使用循环。

内容的提问来源于stack exchange，提问作者Neal Barsch