根据NA计数删除重复记录

Question

我有一个名为ID的主键的数据集。主键在多个行之间重复。重复的行有不同数量的缺失信息，表示为NA。

我想按主键ID进行分组，然后保留包含最多信息的记录，保留最少的NA值。

我已经获得了下面的代码，以便为副本获取grouped_by，但我很难删除具有最多NA的行。

对于下面的数据，我想保留第一行，同时删除第二行和第三行，因为它们比第一行缺少更多的值。

第1行只缺少1值，应该保留，而行2-3分别缺少2和3值。

dupes = df %>%
  group_by(ID) %>%
  filter(n()>1)

ID   Product   Cost   Date   Name    State
1      X       NA     2019   John    CA
1      NA      15     NA     Bill    GA
1      NA      NA     2019   NA      CA
2      Y       15     2019   Chris   CA

Answer 1

一种选择是根据每一行中的NA数创建一个条件，即在按“ID”分组之后，将具有最小NA元素数的行进行slice

library(dplyr)
df %>%
   mutate(n = rowSums(is.na(.))) %>% 
   group_by(ID) %>% 
   slice(which.min(n)) %>% 
   select(-n)

或与data.table类似的逻辑

library(data.table)
setDT(df)[df[, .I[which.min(Reduce(`+`, lapply(.SD, is.na)))], ID]$V1]