Połącz kolumnę, aby usunąć NA

Możesz użyć unlist, aby zamienić kolumny w jeden wektor. Następnie, na.omit można użyć do usunięcia NA s.

cbind(data[1], mycol = na.omit(unlist(data[-1])))

   a mycol
x1 A     1
x2 B     2
y3 C     3
z4 D     4
z5 E     5

Oto bardziej ogólne (ale jeszcze prostsze) rozwiązanie, które obejmuje wszystkie typy kolumn (czynniki, znaki itp.) z nie-uporządkowanymi wartościami NA. strategia polega po prostu na połączeniu wartości nie-NA innych kolumn w scaloną kolumnę za pomocą is.na do indeksowania:

data$m = data$x  # your new merged column start with x
data$m[!is.na(data$y)] = data$y[!is.na(data$y)]  # merge with y
data$m[!is.na(data$z)] = data$z[!is.na(data$z)]  # merge with z

> data
  a  x  y  z m
1 A  1 NA NA 1
2 B  2 NA NA 2
3 C NA  3 NA 3
4 D NA NA  4 4
5 E NA NA  5 5

Zauważ, że to nadpisze istniejące wartości w m, jeśli w tym samym wierszu znajduje się kilka wartości innych niż NA. Jeśli masz dużo kolumn, możesz to zautomatyzować poprzez zapętlenie colnames(data).

Użyłbym rowSums() z argumentem na.rm = TRUE:

cbind.data.frame(a=data$a, mycol = rowSums(data[, -1], na.rm = TRUE))

Co daje:

> cbind.data.frame(a=data$a, mycol = rowSums(data[, -1], na.rm = TRUE))
  a mycol
1 A     1
2 B     2
3 C     3
4 D     4
5 E     5

Musisz wywołać metodę bezpośrednio (cbind.data.frame), ponieważ pierwszy argument powyżej nie jest ramką danych.

Coś takiego ?

data.frame(a=data$a, mycol=apply(data[,-1],1,sum,na.rm=TRUE))

Daje:

  a mycol
1 A     1
2 B     2
3 C     3
4 D     4
5 E     5

Max też działa. Działa również na wektorach strun.

cbind(data[1], mycol=apply(data[-1], 1, max, na.rm=T))

W powiązanym linku (wyłącz NAs w paste () ) przedstawiam wersję paste z opcją na.rm (z niefortunną nazwą paste5).

Tym kodem staje się

cols <- c("x", "y", "z")
cbind.data.frame(a = data$a, mycol = paste2(data[, cols], na.rm = TRUE))

Wyjściem paste5 jest znak, który działa, jeśli masz dane znaków, w przeciwnym razie będziesz musiał wymuszać na żądanym typie.

Choć nie jest to przypadek OP, wydaje się, że niektórzy ludzie lubią podejście oparte na sumach, co powiesz na myślenie w średnim i trybie, aby odpowiedź była bardziej uniwersalna. Ta odpowiedź pasuje do tytułu, który jest tym, co Wiele osób znajdzie.

data <- data.frame('a' = c('A','B','C','D','E'),
                   'x' = c(1,2,NA,NA,9),
                   'y' = c(NA,6,3,NA,5),
                   'z' = c(NA,NA,NA,4,5))

splitdf<-split(data[,c(2:4)], seq(nrow(data[,c(2:4)])))

data$mean<-unlist(lapply(splitdf, function(x)  mean(unlist(x), na.rm=T) ) )
data$mode<-unlist(lapply(splitdf, function(x)  {
  tab <- tabulate(match(x, na.omit(unique(unlist(x) )))); 
                  paste(na.omit(unique(unlist(x) ))[tab == max(tab) ], collapse = ", " )}) )

data
  a  x  y  z     mean mode
1 A  1 NA NA 1.000000    1
2 B  2  6 NA 4.000000 2, 6
3 C NA  3 NA 3.000000    3
4 D NA NA  4 4.000000    4
5 E  9  5  5 6.333333    5

Jedną z możliwości użycia dplyr i tidyr może być:

data %>%
 gather(variables, mycol, -1, na.rm = TRUE) %>%
 select(-variables)

   a mycol
1  A     1
2  B     2
8  C     3
14 D     4
15 E     5

Tutaj przekształca dane z szerokiego na długi format, wyłączając pierwszą kolumnę z tej operacji i usuwając NAs.

Jeśli chcesz trzymać się Bazy,

data <- data.frame('a' = c('A','B','C','D','E'),'x' = c(1,2,NA,NA,NA),'y' = c(NA,NA,3,NA,NA),'z' = c(NA,NA,NA,4,5))
data[is.na(data)]<-","
data$mycol<-paste0(data$x,data$y,data$z)
data$mycol <- gsub(',','',data$mycol)