在R中实现按Account role分组统计非NULL值数量的方法

前提说明 #

原数据表中的NULL对应R中的缺失值标识NA，导入数据时需要先将NULL转换为NA再进行统计。

第一步：构造示例数据 #

df <- data.frame(
  `Account role` = c("Manager", "Administrator", "User", "User", "Manager"),
  `Created date` = as.Date(c("2021-01-01", "2021-01-12", "2021-01-21", "2021-02-12", "2021-02-15")),
  `Deleted date` = as.Date(c("2021-04-05", NA, NA, "2021-05-12", NA)),
  check.names = FALSE
)

实现方法 #

方法1：使用dplyr包（推荐，tidyverse生态常用） #

如果未安装dplyr先执行install.packages("dplyr")安装。

library(dplyr)

# 统计范围：Created date、Deleted date两个字段的非空值总数量
result <- df %>%
  group_by(`Account role`) %>%
  summarise(non_null_total = sum(!is.na(across(c(`Created date`, `Deleted date`)))))

# 如果需要统计包括Account role在内的所有字段非空值，把across的参数改成everything()即可

运行后得到的结果如下：

统计逻辑验证：

• Administrator仅1条记录：Created date非空、Deleted date空，合计1个非空值
• Manager共2条记录：第一条两个日期都非空（2个）、第二条仅Created date非空（1个），合计3个非空值
• User共2条记录：第一条仅Created date非空（1个）、第二条两个日期都非空（2个），合计3个非空值

方法2：基础R实现（无需安装额外包） #

# 先计算每行两个日期字段的非空值数量
df$row_non_null <- rowSums(!is.na(df[, c("Created date", "Deleted date")]))
# 按Account role分组求和
result <- aggregate(row_non_null ~ `Account role`, data = df, FUN = sum)

两种方法得到的统计结果完全一致。

内容的提问来源于stack exchange，提问作者Саят Оразов