R语言数据处理问题：COVID前死亡数Top5结果不符且max返回NA

一、为啥Top5国家和预期对不上？ #

你遇到的第一个问题——美国没出现在Top5里，大概率跑不出这几个原因：

• 区域名称不匹配：先看看你数据里美国对应的region值是不是和你想的一致？比如可能数据里是"United States"而不是中文的“美国”，或者拼写是"US"/"USA"，导致分组时美国确实在里面，但你没对应上名称。
• 美国的死亡数据有缺失：如果美国的death列里有NA，max(death)会直接返回NA，排序的时候NA会被甩到最后，自然进不了Top5。你可以单独查一下美国的死亡数据情况：

  df %>% filter(region == "美国") %>% pull(death) %>% summary()
  

• 分组逻辑错了：会不会你的df里美国被拆成了州级别的子区域？这时候按region分组的话，每个州单独算max，没有汇总到国家层面，那自然看不到美国的总max值。得先确保region列是国家级别的分组。

二、为啥max(df$death)返回NA？ #

这个问题很直白：你的death列里有缺失值（NA）。R里的max()函数默认只要输入里有NA，就会返回NA。解决办法很简单，加个na.rm = TRUE参数忽略缺失值就行：

max(df$death, na.rm = TRUE)

你也可以先统计下death列有多少缺失值：

sum(is.na(df$death))  # 数一下缺失值的数量

给你改好的代码 #

结合上面的分析，调整你的代码，同时处理缺失值和分组问题：

df_test <- df %>%
  group_by(region) %>%
  summarise(death = max(death, na.rm = TRUE)) %>%  # 加na.rm忽略缺失值
  filter(!is.na(death)) %>%  # 去掉那些死亡数据全是NA的区域
  arrange(desc(death)) %>%
  top_n(5)

另外，建议你先看看region列的所有唯一值，确认美国的名称到底是什么：

unique(df$region)

内容的提问来源于stack exchange，提问作者u3yn5n