用该列的中位数替换矩阵每一列中的 NA

Question

我试图用该列的中值替换矩阵每一列中的 NA，但是当我尝试使用 lapply 或 sapply 时出现错误；当我使用 for 循环并且一次更改一列时代码有效，我做错了什么？

示例：

set.seed(1928)
mat <- matrix(rnorm(100*110), ncol = 110)
mat[sample(1:length(mat), 700, replace = FALSE)] <- NA
mat1 <- mat2 <- mat

mat1 <- lapply(mat1,
  function(n) {
     mat1[is.na(mat1[,n]),n] <- median(mat1[,n], na.rm = TRUE)
  }
)   

for (n in 1:ncol(mat2)) {
  mat2[is.na(mat2[,n]),n] <- median(mat2[,n], na.rm = TRUE)
}

Answer 1

lapply 遍历列表。您是要遍历列吗？

matx <- sapply(seq_len(ncol(mat1)), function(n) {
  mat1[is.na(mat1[,n]),n] <- median(mat1[,n], na.rm = TRUE)
})

虽然这基本上只是在做您的循环示例所做的事情（但可能更快）。

Answer 2

通过转换为 data.frame 并返回 matrix，您可能会更容易到达那里，使用 vapply:

vapply(as.data.frame(mat1), function(x)
   replace(x, is.na(x), median(x,na.rm=TRUE)), FUN.VALUE=numeric(nrow(mat1)) 
)

Answer 3

我建议使用 matrixStats 包对其进行矢量化，而不是使用任一循环计算每列的中值（sapply 在某种意义上也是一个循环，它在每个循环中评估一个函数迭代）。

首先，我们将创建一个 NAs 索引

indx <- which(is.na(mat), arr.ind = TRUE)

然后，使用预先计算的列中位数并根据索引

替换NAs

mat[indx] <- matrixStats::colMedians(mat, na.rm = TRUE)[indx[, 2]]

Answer 4

您可以使用 sweep:

sweep(mat, MARGIN = 2, 
      STATS = apply(mat, 2, median, na.rm=TRUE),
      FUN =  function(x,s) ifelse(is.na(x), s, x)
    )

编辑：您还可以加入 STATS=matrixStats::colMedians(mat, na.rm=TRUE) 以获得更好的性能。

用该列的中位数替换矩阵每一列中的 NA

Replacing NA's in each column of matrix with the median of that column

r

matrix

na

median

imputation