在含缺失值的data.table中识别并按频率标记缺失数据模式

这问题我熟！咱们用data.table的原生操作就能高效搞定，全程不用额外包，步骤清晰又简洁，具体实现如下：

首先得给每行的缺失/非缺失状态做个“指纹”——毕竟要分组统计，得把每行的缺失模式转成一个可识别的字符串。我们可以把!is.na(DT)返回的逻辑值（TRUE=非缺失，FALSE=缺失）转成0/1，再拼接成字符串，这样每个字符串就对应一种唯一的缺失模式。

library(data.table)
# 先重现你的示例数据（加个种子让结果可复现）
set.seed(123)
mat <- matrix(rnorm(50), ncol = 5)
mat[c(1,3,5,9,10,11,14,37,38)] <- NA
DT <- as.data.table(mat)

# 生成缺失模式标识：0代表缺失，1代表非缺失，拼接成字符串
DT[, pattern := do.call(paste, c(.SD[, lapply(.SD, \(x) as.integer(!is.na(x)))], sep = ""))]

接下来统计每个模式出现的次数，按频率从高到低排序，给最频繁的模式标1，依次类推：

# 分组统计频率 → 按频率降序 → 分配序号
pattern_rank <- DT[, .N, by = pattern][order(-N)][, rank := seq_len(.N)]

这里DT[, .N, by = pattern]是按模式分组计数，order(-N)把频率最高的模式放前面，seq_len(.N)给每个模式生成1、2、3...的序号。

最后把序号合并回原DT，就完成了：

# 合并序号到原表，可选删掉pattern列（留着也能看模式细节）
DT <- DT[pattern_rank, on = "pattern"][, pattern := NULL]

你可以用下面的代码确认结果是否正确：

# 查看所有模式的序号和对应频率
print(pattern_rank)

# 查看原表中各序号的分布（和上面的频率一致就对了）
DT[, .N, by = rank][order(rank)]

对比unique(!is.na(DT))的结果，和pattern_rank里的模式是完全对应的——只是我们把逻辑值转成了更紧凑的0/1字符串而已。

内容的提问来源于stack exchange，提问作者Jakob Schöpe