R Zeilen mit mindestens nas für doppelte Zeilen behalten

Question

Ich habe ein data.frame, das Benutzerinformationen enthält, aber jede Benutzer-ID kann doppelte Zeilen enthalten, mit einigen fehlenden Daten in verschiedenen Variablen. Was ich versuche zu tun ist, doppelte Benutzerdaten zu entfernen, aber für jeden Benutzer möchte ich die Zeile, die am wenigsten fehlende Werte in der Zeile enthält, um so viel wie Informationen des Benutzers wie möglich zu behalten. Hier ist ein Beispiel für Code zum Erstellen des Demo-Datenrahmens. Jede Hilfe wird besonders geschätzt, wenn sie über das "dplyr" -Paket durchgeführt wird.

User_Table <- data.frame(User_ID =rep(c("UserA","UserB","UserC"),each=3), 
        VariableA= rep(c(1,NA,2),each=3), 
        VariableB = rep(c("TypeA","TypeB",NA),each=3), 
        VariableC = rep(c(NA,2,3),each=3)) 

User_Table[c(1,2,4,5,6,7),3] <- NA 

Answer 1

Wir können versuchen, mit data.table

library(data.table) 
setDT(User_Table)[User_Table[, .I[which.min(Reduce(`+`, 
      lapply(.SD, is.na)))], User_ID]$V1] 
# User_ID VariableA VariableB VariableC 
#1: UserA   1  TypeA  NA 
#2: UserB  NA  NA   2 
#3: UserC   2  NA   3 

Answer 2

Dies ist ein Ansatz mit dplyr:

User_Table %>% 
    arrange(rowSums(is.na(.))) %>%  # sort rows by number of NAs 
    distinct(User_ID, .keep_all = TRUE) # keep first row per User_ID only 

Das Ergebnis:

User_ID VariableA VariableB VariableC 
1 UserA   1  TypeA  NA 
2 UserC   2  <NA>   3 
3 UserB  NA  <NA>   2