基于大型data.frame生成观测值存在/缺失矩阵的R技术需求

首先，先加载你提供的示例数据：

data <- structure(list(ID = 1:5, area = c(6L, 6L, 6L, 6L, 6L), ERC = c(1L, 1L, 1L, 1L, 1L), a = c(33, 34, 35, 38, 39), b = c(38, 41, 45, 8, NA), c = c(53, 35, 38, 39, 53), d = c(32, 33, 65, 36, 34)), .Names = c("ID", "area", "ERC", "a", "b", "c", "d"), row.names = c(NA, -5L), class = "data.frame")

接下来，我们可以用基础R快速生成你需要的存在/缺失矩阵——核心思路是判断每个单元格是否为NA，然后将非缺失值标记为1，缺失值标记为0：

# 生成存在/缺失矩阵（1代表观测值存在，0代表缺失）
result <- as.data.frame(+!is.na(data))

# 查看结果
print(result)

运行后你会得到这样的输出：

ID area ERC a b c d
1  1    1   1 1 1 1 1
2  1    1   1 1 1 1 1
3  1    1   1 1 1 1 1
4  1    1   1 1 1 1 1
5  1    1   1 1 0 1 1

如果你习惯用tidyverse工具集，也可以用dplyr来实现：

library(dplyr)

result <- data %>%
  mutate(across(everything(), ~ as.integer(!is.na(.x))))

补充说明 #

• 上面的代码会处理数据框中的所有列，如果你只想针对特定列（比如a、b、c、d）生成缺失状态矩阵，可以修改代码：

  # 仅处理指定列
  result <- data %>%
    mutate(across(c(a, b, c, d), ~ as.integer(!is.na(.x))))
  

• 最终的result就是你需要的观测值存在/缺失矩阵，你可以用dput(result)导出它的结构，和你预期的格式一致。

内容的提问来源于stack exchange，提问作者Floni