时间戳

首页 > 解决方案 > 如何用其他列的值估算多列中的 NA？

r - 如何用其他列的值估算多列中的 NA？

问题描述

我有一个包含 200 个变量的数据集，这些变量都有一些缺失值。200 个变量中的每一个都有另一列，我想用它来估算缺失值。

示例数据：

have <- data.frame(ID = c(1:10), var1 = c(runif(7), NA, NA, NA), var1_fill = runif(10))

   ID       var1     var1_fill
1   1 0.68783885   0.140508053
2   2 0.74672512   0.001270443
3   3 0.09607276   0.917535359
4   4 0.03222775   0.363960434
5   5 0.03560543   0.901288399
6   6 0.46595122   0.725499220
7   7 0.42781890   0.781295939
8   8         NA   0.737999219
9   9         NA   0.456795266
10 10         NA   0.314562042

如果我想对一列进行估算，我会使用以下代码：

have$var1_imputed <- ifelse(is.na(have$var1) == T, have$var1_fill, have$var1)

   ID       var1     var1_fill var1_imputed
1   1 0.68783885   0.140508053   0.68783885
2   2 0.74672512   0.001270443   0.74672512
3   3 0.09607276   0.917535359   0.09607276
4   4 0.03222775   0.363960434   0.03222775
5   5 0.03560543   0.901288399   0.03560543
6   6 0.46595122   0.725499220   0.46595122
7   7 0.42781890   0.781295939   0.42781890
8   8         NA   0.737999219   0.73799922
9   9         NA   0.456795266   0.45679527
10 10         NA   0.314562042   0.31456204

我无法弄清楚如何编写一个循环来为 200 个变量执行此操作，因为我不能使用 $ 来引用列名。在实际数据集中，变量名称不遵循任何模式，如 var1、var2 等。但是，原始的 200 个变量位于第 7 到 206 列中，用于各自插补的列是 207 到 406。用于插补的列也与原始列具有相同的名称，但具有附加后缀，如示例中所示（var1 和 var1_fill）。

标签： rloopsimputation

解决方案

一个data.table选项使用fcoalesce

setDT(df)[
  ,
  setNames(
    Map(fcoalesce, .SD[, 7:206], .SD[, 207:406]),
    paste0(names(.SD[, 7:206]), "_imputed")
  )
]

推荐阅读