存在 NA 值时的加权平均值

Question

这是我正在处理的一个非常简单的例子：

data_stack <- data.table(CompA_value = c(10,20,30,40), CompB_value = c(60,70,80,80), CompC_value = c(NA, NA, NA, 100), CompA_weight = c(0.2, 0.3,0.4,0.4), CompB_weight = c(0.8,0.7,0.6,0.4), CompC_weight = c(NA, NA, NA,0.2))

   CompA_value CompB_value CompC_value CompA_weight CompB_weight CompC_weight
1:          10          60          NA          0.2          0.8           NA
2:          20          70          NA          0.3          0.7           NA
3:          30          80          NA          0.4          0.6           NA
4:          40          80         100          0.4          0.4          0.2

我想要做的是为每一行计算 CompA 到 C 的加权平均值。但是，请注意 CompC 的第 1-3 行有 NA。我希望第 1-3 行具有 CompA 和 CompB 的加权平均值，但是一旦 CompC 激活，我希望它自动包含在计算中。

就目前而言，我做了这样的事情：

> data_stack[, Weighted_average := CompA_value*CompA_weight + CompB_value*CompB_weight + CompC_value * CompC_weight]
> data_stack
   CompA_value CompB_value CompC_value CompA_weight CompB_weight CompC_weight Weighted_average
1:          10          60          NA          0.2          0.8           NA               NA
2:          20          70          NA          0.3          0.7           NA               NA
3:          30          80          NA          0.4          0.6           NA               NA
4:          40          80         100          0.4          0.4          0.2               68

但是我的 "Weighted_average" 专栏显然不会给我前 1-3 行的权重。

我想要的是：

 data_stack[, Weighted_average := c((10*0.2 + 60*0.8),(20*0.3 + 70*0.7),(30*0.4 + 80*0.6),(40*0.4 + 80*0.4 + 100*0.2))]
 data_stack
   CompA_value CompB_value CompC_value CompA_weight   CompB_weight CompC_weight   Weighted_average
1:          10          60          NA          0.2          0.8           NA               50
2:          20          70          NA          0.3          0.7           NA               55
3:          30          80          NA          0.4          0.6           NA               60
4:          40          80         100          0.4          0.4          0.2               68

因此，请注意前三行只是 A 和 B 的加权平均值，但是一旦 C 可用，它也会包含在计算中。

所以我想知道如何编写一些代码来判断是否有 NA 值，如果有，则跳过它，但如果没有，则将其包括在计算中。

我有一个相当大的数据table所以手动做是不可能的！

此致。

Answer 1

给你：

data_stack$Weighted_average = apply(data_stack,1,function(x){
  y = c(x["CompA_value"]*x["CompA_weight"],
        x["CompB_value"]*x["CompB_weight"],
        x["CompC_value"]*x["CompC_weight"])
  return(sum(y,na.rm = T))
})

结果：

> data_stack
  CompA_value CompB_value CompC_value CompA_weight CompB_weight CompC_weight Weighted_average
1          10          60          NA          0.2          0.8           NA               50
2          20          70          NA          0.3          0.7           NA               55
3          30          80          NA          0.4          0.6           NA               60
4          40          80         100          0.4          0.4          0.2               68

该函数为每列创建一个具有值*权重的向量。然后 returns 忽略 NA 值的总和。这意味着这将忽略任何列中的 NA 值。

存在 NA 值时的加权平均值

Weighted average value in the presence of NA values

r

weighted-average

na

data.table