按组估算缺失数据

Question

我有一个具有三个水平（A、B 和 C）的分类变量。

我还有一个连续变量，上面有一些缺失值。

我想用其组的平均值替换 NA 值。也就是说，组 A 中缺失的观察值必须替换为组 A.

的平均值

我知道我可以只计算每个组的平均值并替换缺失值，但我确信还有另一种方法可以通过循环更有效地做到这一点。

A <- subset(data, group == "A")
mean(A$variable, rm.na = TRUE)
A$variable[which(is.na(A$variable))] <- mean(A$variable, na.rm = TRUE)

现在，我知道我可以对组 B 和 C 做同样的事情，但也许是 for 循环（使用 if 和 else ) 可以解决问题吗？

Answer 1

require(dplyr)
data %>% group_by(group) %>%
mutate(variable=ifelse(is.na(variable),mean(variable,na.rm=TRUE),variable))

要获得更快的 base-R 版本，您可以使用 ave:

data$variable<-ave(data$variable,data$group,FUN=function(x) 
  ifelse(is.na(x), mean(x,na.rm=TRUE), x))

Answer 2

你可以使用 data.table 包来实现这个-

tomean <- c("var1", "var2")
library(data.table)
setDT(dat)
dat[, (tomean) := lapply(tomean, function(x) {
        x <- get(x)
        x[is.na(x)] <- mean(x, na.rm = TRUE)
        x
    })]

按组估算缺失数据

Impute missing data with mean by group

loops

r

missing-data

imputation