时间戳

首页 > 解决方案 > R中空子集数据帧的数据插补

r - R中空子集数据帧的数据插补

问题描述

我正在尝试在 R 中构建一个函数，在该函数中我可以根据一些规范对我的原始数据帧进行子集化，然后将这个子集化的数据帧转换为比例表。

不幸的是，其中一些子集会产生一个空数据框，因为对于某些特定规范，我没有数据；因此无法计算比例表。所以，我想做的是从我有一个非空子集数据帧的最接近的时间步长，并将其用作空子集数据帧的输入。

这里对我的数据框和功能有一些见解：

我的原始数据框看起来 +/- 如下：

| year | quarter | area | time_comb | no_individuals | lenCls | age |
|------|---------|------|-----------|----------------|--------|-----|
| 2005 | 1       | 24   | 2005.1.24 | 8              | 380    | 3   |
| 2005 | 2       | 24   | 2005.2.24 | 4              | 490    | 2   |
| 2005 | 1       | 24   | 2005.1.24 | 3              | 460    | 6   |
| 2005 | 1       | 21   | 2005.1.21 | 25             | 400    | 2   |
| 2005 | 2       | 24   | 2005.2.24 | 1              | 680    | 6   |
| 2005 | 2       | 21   | 2005.2.21 | 2              | 620    | 5   |
| 2005 | 3       | 21   | 2005.3.21 | NA             | NA     | NA  |
| 2005 | 1       | 21   | 2005.1.21 | 1              | 510    | 5   |
| 2005 | 1       | 24   | 2005.1.24 | 1              | 670    | 4   |
| 2006 | 1       | 22   | 2006.1.22 | 2              | 750    | 4   |
| 2006 | 4       | 24   | 2006.4.24 | 1              | 660    | 8   |
| 2006 | 2       | 24   | 2006.2.24 | 8              | 540    | 3   |
| 2006 | 2       | 24   | 2006.2.24 | 4              | 560    | 3   |
| 2006 | 1       | 22   | 2006.1.22 | 2              | 250    | 2   |
| 2006 | 3       | 22   | 2006.3.22 | 1              | 520    | 2   |
| 2006 | 2       | 24   | 2006.2.24 | 1              | 500    | 2   |
| 2006 | 2       | 22   | 2006.2.22 | NA             | NA     | NA  |
| 2006 | 2       | 21   | 2006.2.21 | 3              | 480    | 2   |
| 2006 | 1       | 24   | 2006.1.24 | 1              | 640    | 5   |
| 2007 | 4       | 21   | 2007.4.21 | 2              | 620    | 3   |
| 2007 | 2       | 21   | 2007.2.21 | 1              | 430    | 3   |
| 2007 | 4       | 22   | 2007.4.22 | 14             | 410    | 2   |
| 2007 | 1       | 24   | 2007.1.24 | NA             | NA     | NA  |
| 2007 | 2       | 24   | 2007.2.24 | NA             | NA     | NA  |
| 2007 | 3       | 24   | 2007.3.22 | NA             | NA     | NA  |
| 2007 | 4       | 24   | 2007.4.24 | NA             | NA     | NA  |
| 2007 | 3       | 21   | 2007.3.21 | 1              | 560    | 4   |
| 2007 | 1       | 21   | 2007.1.21 | 7              | 300    | 3   |
| 2007 | 3       | 23   | 2007.3.23 | 1              | 640    | 5   |

这里的year , Quarter和area是指 X 没有的特定时间（Year & Quarter）和区域。个人的测量（no_individuals）。例如，从第一行我们得到，在 2005 年第一季度，在 24 区，我有 8 个人属于 380 毫米的长度等级 ( lenCLs ) 和年龄 = 3。值得一提的是，对于特定的年份、季度和区域组合，我可以有不同的长度等级和年龄（因此，多行）！

所以我想要做的基本上是对特定年份、季度和区域组合的原始数据框进行子集化，并从该组合中根据每个长度类别中的个体数量计算比例表。

到目前为止，我的基本功能如下所示：

LAK <- function(df,  Year="2005", Quarter="1", Area="22", alkplot=T){
  require(FSA)

  # subset alk by year, quarter and area 
  sALK <- subset(df, year==Year & quarter==Quarter & area==Area)
  dfexp <- sALK[rep(seq(nrow(sALK)), sALK$no_individuals), 1:ncol(sALK)]
  raw <- t(table(dfexp$lenCls, dfexp$age))
  key <- round(prop.table(raw, margin=1), 3)
  return(key)

  if(alkplot==TRUE){
    alkPlot(key,"area",xlab="Age")
  }
}

从上面的数据集示例中，可以注意到对于year=2005 & quarter=3 & area=21，我没有任何测量的个体。然而，对于相同的地区和年份，我有第 1 季度或第 2 季度的数据。最合理的假设是从最近的时间步长（草丛第 2 季度具有相同的地区和年份）获取子集数据帧，并替换 NA相应地从列“ no_individuals ”、“ lenCls ”和“ age ”。

另请注意，在某些情况下，我没有特定年份的数据！在上面的示例中，可以通过查看 2007 年的区域 24 看到这一点。在这种情况下，我不能从最近的季度借用信息，而是需要从上一年借用。这意味着对于year=2007 & area=24 & quarter=1我将借用year=2006 & area=24 & quarter 1的信息，依此类推。

我试图通过指定一些额外的规则将其包含在我的函数中，但由于我的编程技能差，我没有取得任何进展。

因此，非常感谢这里的任何帮助。

这是我试图更新的 LAK 函数：

LAK <- function(df,  Year="2005", Quarter="1", Area="22", alkplot=T){
      require(FSA)

      # subset alk by year, quarter and area 
      sALK <- subset(df, year==Year & quarter==Quarter & area==Area)

     # In case of empty dataset 
     #if(is.data.frame(sALK) && nrow(sALK)==0){

     if(sALK[rowSums(is.na(sALK)) > 0,]){
     warning("Empty subset combination; data will be subsetted based on the 
     nearest timestep combination") 

     FIXME: INCLDUE IMPUTATION RULES HERE

      }

      dfexp <- sALK[rep(seq(nrow(sALK)), sALK$no_individuals), 1:ncol(sALK)]
      raw <- t(table(dfexp$lenCls, dfexp$age))
      key <- round(prop.table(raw, margin=1), 3)
      return(key)

      if(alkplot==TRUE){
        alkPlot(key,"area",xlab="Age")
      }
    }

标签： rfunctiondataframemissing-dataimputation

解决方案

所以，我终于想出了我的问题的部分解决方案，并将我的功能包括在这里，以防有人感兴趣：

LAK <- function(df,  Year="2005", Quarter="1", Area="22",alkplot=T){

  require(FSA)

  # subset alk by year, quarter, area and species
  sALK <- subset(df, year==Year & quarter==Quarter & area==Area)
  print(sALK)

  if(nrow(sALK)==1){
    warning("Empty subset combination; data has been subsetted to the nearest input combination") 
    syear <- unique(as.numeric(as.character(sALK$year)))
    sarea <- unique(as.numeric(as.character(sALK$area)))

    sALK2 <- subset(df, year==syear & area==sarea)
    vals <- as.data.frame(table(sALK2$comb_index))
    colnames(vals)[1] <- "comb_index" 

    idx <- which(vals$Freq>1)
    quarterId <- as.numeric(as.character(vals[idx,"comb_index"]))

    imput <- subset(df,year==syear & area==sarea & comb_index==quarterId)  
    dfexp2 <- imput[rep(seq(nrow(imput)), imput$no_at_length_age), 1:ncol(imput)]
    raw2 <- t(table(dfexp2$lenCls, dfexp2$age))
    key2 <- round(prop.table(raw2, margin=1), 3)
    print(key2)

    if(alkplot==TRUE){
      alkPlot(key2,"area",xlab="Age")
    }

  }  else {
    dfexp <- sALK[rep(seq(nrow(sALK)), sALK$no_at_length_age), 1:ncol(sALK)]
    raw <- t(table(dfexp$lenCls, dfexp$age))
    key <- round(prop.table(raw, margin=1), 3)  
    print(key)

    if(alkplot==TRUE){
      alkPlot(key,"area",xlab="Age")
    }
  }

}

当我拥有特定年份和区域组合的至少四分之一的数据时，这解决了我的问题。然而，当我没有特定年份和区域组合的数据时，我仍在努力弄清楚如何处理。在这种情况下，我需要从最近的年份中借用数据，其中包含同一地区所有季度的数据。对于上面公开的示例，这意味着对于 year=2007 & area=24 & Quarter=1，我将从 year=2006 & area=24 & Quarter 1 借用信息，依此类推。

推荐阅读