时间戳

首页 > 解决方案 > 根据记录前后的平均值添加缺失数据

r - 根据记录前后的平均值添加缺失数据

问题描述

WT 列的缺失数据编码为-99。我想用 WT 的前一个和下一个值的平均值替换缺失值。

例如，缺失值在时间 =2 和时间 =3 我想计算 Time1+Time4/2 并将其添加到时间 =2 和时间 =3 即 5.5 将被添加到时间 = 2 和 3。它应该对于所有缺失值都相同。

ID  TIME    WT
1   0   4
1   1   5
1   2   -99
1   3   -99
1   4   6
1   5   9
1   6   12
1   7   -99
1   8   -99
1   9   -99
1   10  -99
1   12  16
1   14  18
1   16  20

标签： rmeandata-manipulationmissing-dataimputation

解决方案

我在第一行和最后一行添加了缺失值以进行测试：

data <- data.frame(ID=1,TIME=0:16,WT=4:20)
data[c(1,3,4,8,9,10,11,16,17),"WT"] <- -99

一种有点不雅的方法，但您可以先尝试处理丢失第一个和最后一个值的可能性：

data$WT[data$WT == -99] <- NA
missing <- which(is.na(data$WT))

if(1 %in% missing){
  data$WT[1] <- head(data$WT[!is.na(data$WT)],1)
}
if(nrow(data) %in% missing){
  data$WT[nrow(data)] <- tail(data$WT[!is.na(data$WT)],1)
}

然后，您可以使用此函数找到每次运行 NA 的开始和结束：

get_runs <- function(x){
  starts <- which(diff(x) == 1)
  y <- rle(x)
  len <- y$lengths[y$values==TRUE]
  ends <- starts + len+1
  return(list(starts=starts,len=len,ends=ends, i=1:length(starts)))
}

r <- get_runs(is.na(data$WT))

最后，遍历缺失值并填充它们：

for(i in r$i){
  idx <- seq(r$starts[i]+1,r$ends[i]-1,1)
  data$WT[idx] <- (data$WT[r$starts[i]] + data$WT[r$ends[i]])/2
}

data
   ID TIME   WT
1   1    0  5.0
2   1    1  5.0
3   1    2  6.5
4   1    3  6.5
5   1    4  8.0
6   1    5  9.0
7   1    6 10.0
8   1    7 12.5
9   1    8 12.5
10  1    9 12.5
11  1   10 12.5
12  1   11 15.0
13  1   12 16.0
14  1   13 17.0
15  1   14 18.0
16  1   15 18.0
17  1   16 18.0

推荐阅读