使用变换函数添加变量，同时忽略 NA

我有一个包含大量变量的数据框。我通过将一些旧变量添加在一起来创建新变量。我用来执行此操作的代码是：

name_of_data_frame<- transform(name_of_data_frame, new_variable=var1+var2 +....)

当 Transform 在其中一个观测值中遇到 NA 时，它会在新变量中返回“NA”，即使它添加的其他一些变量不是 NA。

e.g. if var1= 4, var2=3, var3=NA，然后使用transform，如果我这样做了var1+var2+var3它会给出NA，而我希望它给我 7。

我不想重新编码我的NAs 在数据帧内为零，因为我可能需要参考NA稍后，所以不想混淆NA真实的观察结果0.

关于如何绕过 R 治疗的任何帮助NA以上述方式使用变换函数会很棒（或者如果有其他函数可以使用，那也很棒）。

请注意，我并不总是只是对彼此相邻的变量求和，我还经常对变量进行除法、乘法、减法等。

我的第一直觉是建议使用sum()从那时起你可以使用na.rm争论。然而，这不起作用，因为sum()将其参数减少为单个标量值，而不是向量。

这意味着你需要写一个parallel sum功能。我们称之为psum()，类似于基本 R 函数pmin() or pmax():

psum <- function(..., na.rm=FALSE) { 
  x <- list(...)
  rowSums(matrix(unlist(x), ncol=length(x)), na.rm=na.rm)
} 

现在设置一些数据并使用psum()得到所需的向量：

dat <- data.frame(
  x = c(1,2,3, NA),
  y = c(NA, 4, 5, NA))

transform(dat, new=psum(x, y, na.rm=TRUE))
   x  y new
1  1 NA   1
2  2  4   6
3  3  5   8
4 NA NA   0

同样，您可以定义一个parallel product, or pprod()像这样：

pprod <- function(..., na.rm=FALSE) { 
  x <- list(...)
  m <- matrix(unlist(x), ncol=length(x))
  apply(m, 1, prod, na.rm=TRUE)
} 

transform(dat, new=pprod(x, y, na.rm=TRUE))
   x  y new
1  1 NA   1
2  2  4   8
3  3  5  15
4 NA NA   1

这个例子pprod为您想要执行的操作提供了一个通用模板：创建一个使用apply()将输入矩阵总结为所需向量。