时间戳

首页 > 解决方案 > 用因子变量在 data.table 中插入数值变量

r - 用因子变量在 data.table 中插入数值变量

问题描述

我正在尝试插入 data.table 的多个数字列dt。它可以用 NA 或类似的东西填充na_locf。在我的真实数据中可能不止一个因子列。这是我的示例数据：

dt <- structure(list(time = c(0, 0, 0, 0, 0, 0, 0.1, 0.1, 0.1, 0.1), 
                     a = structure(c(1L, NA, NA, 1L, 3L, 2L, NA, 1L, 
                                               2L, NA), .Label = c("0", "1", "3"), class = "factor"), b = c(1.28, 
                                                                                                                   1.27, NA, 1.25, NA, 1.25, NA, 1.23, NA, 1.21), c = c(104.45, 
                                                                                                                                                                                      NA, 104.45, NA, 104.3, NA, 104.45, NA, 104.38, NA)), row.names = c(NA, 
                                                                                                                                                                                                                                                         -10L), class = c("data.table", "data.frame"))

    time    a    b      c
 1:  0.0    0 1.28 104.45
 2:  0.0 <NA> 1.27     NA
 3:  0.0 <NA>   NA 104.45
 4:  0.0    0 1.25     NA
 5:  0.0    3   NA 104.30
 6:  0.0    1 1.25     NA
 7:  0.1 <NA>   NA 104.45
 8:  0.1    0 1.23     NA
 9:  0.1    1   NA 104.38
10:  0.1 <NA> 1.21     NA

结果应如下所示：

dtres <- structure(list(time = c(0, 0, 0, 0.01, 0.02, 0.03, 0.04, 0.05, 
                                 0.06, 0.07, 0.08, 0.09, 0.1, 0.1), a = structure(c(1L, 3L, 2L, 
                                                                                    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 2L), .Label = c("0", 
                                                                                                                                            "1", "3"), class = "factor"), b = c(1.2625, 1.2625, 1.2625, 1.25825, 
                                                                                                                                                                                1.254, 1.24975, 1.2455, 1.24125, 1.237, 1.23275, 1.2285, 1.22425, 
                                                                                                                                                                                1.22, 1.22), c = c(104.4, 104.4, 104.4, 104.4015, 104.403, 104.4045, 
                                                                                                                                                                                                   104.406, 104.4075, 104.409, 104.4105, 104.412, 104.4135, 104.415, 
                                                                                                                                                                                                   104.415)), row.names = c(NA, -14L), class = c("data.table", "data.frame"))

    time a       b        c
 1: 0.00 0 1.26250 104.4000
 2: 0.00 3 1.26250 104.4000
 3: 0.00 1 1.26250 104.4000
 4: 0.01 1 1.25825 104.4015
 5: 0.02 1 1.25400 104.4030
 6: 0.03 1 1.24975 104.4045
 7: 0.04 1 1.24550 104.4060
 8: 0.05 1 1.24125 104.4075
 9: 0.06 1 1.23700 104.4090
10: 0.07 1 1.23275 104.4105
11: 0.08 1 1.22850 104.4120
12: 0.09 1 1.22425 104.4135
13: 0.10 0 1.22000 104.4150
14: 0.10 1 1.22000 104.4150

对于插值，我使用了这个函数：

library(zoo)
interpTime <- seq(0, 0.1, by = 0.01)
interp_dt <- function(ecuData) {
  ecuData <- ecuData[, lapply(.SD, function(x) if (is.numeric(x)) na.approx(x, time, xout = interpTime, method = "linear", ties = mean))]
  return(ecuData)
}

但我无法使用数字列进行插值并以所需的方式处理因子列。因子列a应填写 NA 或na_locf，我不确定。如果一个时间点有多个因子值，它们也应该存在，因此例如一个时间点有多个行（在我的示例中time = 0）有没有办法做到这一点？

标签： rtime-seriesdata.tableinterpolationlocf

解决方案

一个可能的解决方案可能如下所示：

  1. 首先用 locf 处理所有数字列
  2. 然后对因子列应用您想要的过程

我现在在此示例中使用imputeTS，因为这会自动将 locf 应用于所有数字列并保持因子列不变。如果您还想应用于na_locf因子变量，则可以使用zoo，因为据我所知，这个包也 locf 用于非数字输入。

library(imputeTS)
na_locf(dt)

这将是所有必需的代码，用于将 locf 应用于dt. 之后，您可以对因子列执行操作。

推荐阅读