r - 用 R 中的最后一个或下一个非 NA 值填充 NA
问题描述
我正在尝试用 R 中同一组中的其他非 NA 值填充列中的 NA 值。所以我的数据看起来像这样:
df
id year pop
1 E1 2000 NA
2 E2 2000 NA
3 E2 2001 NA
4 E2 2003 120
5 E2 2005 125
6 E3 1999 115
7 E3 2001 300
8 E3 2003 NA
9 E4 2004 10
10 E4 2005 NA
11 E4 2008 NA
12 E4 2009 9
13 E5 2002 12
14 E5 2003 80
pop
我希望 NA 值在同一组中具有最后一个非 NA 或下一个非 NA 值id
。看起来像这样:
df.desired
id year pop
1 E1 2000 NA
2 E2 2000 120
3 E2 2001 120
4 E2 2003 120
5 E2 2005 125
6 E3 1999 115
7 E3 2001 300
8 E3 2003 300
9 E4 2004 10
10 E4 2005 10
11 E4 2008 9
12 E4 2009 9
13 E5 2002 12
14 E5 2003 80
我尝试了两种不同的方法zoo::na.locf()
,dplyr::fill()
但我一直遇到两个主要问题:1.我收到错误,因为整个组只有 NA(如id == "E1"
这里)和 2.我只能选择最后一个或下一个非 NA 值。这些是我尝试过的一些示例:
library(tidyverse)
library(zoo)
df.desired <- df %>%
group_by(id) %>%
arrange(year)%>%
mutate(pop_imputated = pop)%>%
fill(pop_imputated)%>%
ungroup()
df.desired <- df %>%
group_by(id) %>%
arrange(year)%>%
mutate(pop_imputated = zoo::na.locf(pop))%>%
fill(pop_imputated)%>%
ungroup()
有任何想法吗?非常感谢!
解决方案
这是一个与您的预期输出完全匹配的答案:它将估算为最接近的非缺失值,向上或向下。
这是代码,使用了您的示例的增强版本:
library(tidyverse)
df = structure(list(id = c("E1", "E2", "E2", "E2", "E2", "E3", "E3", "E3", "E4", "E4", "E4", "E4", "E4", "E4", "E4", "E4", "E5", "E5"),
year = c(2000L, 2000L, 2001L, 2003L, 2005L, 1999L, 2001L, 2003L, 2004L, 2005L, 2006L, 2007L, 2008L, 2009L, 2018L, 2019L, 2002L, 2003L),
pop = c(NA, NA, NA, 120L, 125L, 115L, 300L, NA, 10L, NA, NA, NA, NA, 9L, NA, 8L, 12L, 80L),
pop_exp = c(NA, 120L, 120L, 120L, 125L, 115L, 300L, 300L, 10L, 10L, 10L, 9L, 9L, 9L, 9L, 8L, 12L, 80L)),
class = "data.frame", row.names = c(NA, -18L))
fill_nearest = function(x){
keys=which(!is.na(x))
if(length(keys)==0) return(NA)
b = map_dbl(seq.int(x), ~keys[which.min(abs(.x-keys))])
x[b]
}
df %>%
group_by(id) %>%
arrange(id, year) %>%
mutate(pop_imputated = fill_nearest(pop)) %>%
ungroup()
#> # A tibble: 18 x 5
#> id year pop pop_exp pop_imputated
#> <chr> <int> <int> <int> <int>
#> 1 E1 2000 NA NA NA
#> 2 E2 2000 NA 120 120
#> 3 E2 2001 NA 120 120
#> 4 E2 2003 120 120 120
#> 5 E2 2005 125 125 125
#> 6 E3 1999 115 115 115
#> 7 E3 2001 300 300 300
#> 8 E3 2003 NA 300 300
#> 9 E4 2004 10 10 10
#> 10 E4 2005 NA 10 10
#> 11 E4 2006 NA 10 10
#> 12 E4 2007 NA 9 9
#> 13 E4 2008 NA 9 9
#> 14 E4 2009 9 9 9
#> 15 E4 2018 NA 9 9
#> 16 E4 2019 8 8 8
#> 17 E5 2002 12 12 12
#> 18 E5 2003 80 80 80
由reprex 包于 2021-05-13 创建 (v2.0.0 )
由于我必须使用purrr
循环,因此在庞大的数据集中它可能会有点慢。
编辑:tidyr::fill()
我建议在https://github.com/tidyverse/tidyr/issues/1119中添加此选项。该问题还包含此函数的调整版本,以使用year
列作为参考来计算值之间的“距离”。例如,您宁愿将第 15 行设为 8 而不是 9,因为年份更接近。
推荐阅读
- python - 如何使用相对导入在 pytest 中导入 python 包
- django - Django AUTH_LDAP_GROUP_SEARCH ObjectClass 值从无到矫枉过正
- python - 为什么 Python 不提供 __le__ 和 __ge__ 的默认实现?
- vscode-settings - 雨果如何将静态目录复制到`public/static`而不是`public`?
- testing - Test Cafè 有没有办法使用 react-DropZone 选择和上传文件?
- python - PythonInfo 没有 virtualenv 实现
- javascript - “无法读取未定义的属性‘selectedZones’”已初始化且非空变量
- macos - 为什么 `write()` 是通过 `call` 指令而不是中断来执行的?
- html - 如何将详细信息添加到工具提示而不是标题
- python - 如何在 python 中为 Twitter 的搜索 API 形成搜索查询?