用字段的上一个和下一个可用值的平均值替换数据框中的 NA 值

Question

可用的更大数据集的示例数据集格式如下：

Station <-c("A","A","A","A","A","A","A","A","A","A","A","A","A","A","A")
Parameter <-c(2,3,NA,4,4,9,NA,NA,10,15,NA,NA,NA,18,20)
Par_Count <-c(1,1,1,2,2,1,2,2,1,1,3,3,3,1,1)

df<-data.frame(Station, Parameter, Par_Count)
df
Station  Parameter  Par_Count
   A        2          1
   A        3          1
   A        NA         1
   A        4          2
   A        4          2
   A        9          1
   A        NA         2
   A        NA         2
   A        10         1
   A        15         1
   A        NA         3
   A        NA         3
   A        NA         3
   A        18         1
   A        20         1

我想用该列中 NA 的下一个和上一个可用值的平均值来估算数量小于 2 的 NA。在原始数据集中，某处 NA 的数量为 100，因此我想忽略数量大于 3 的连续 NA。 Par_Count 表示该特定值在参数中连续出现的次数。我试过： library(zoo) df1 <- within(df, na.approx(df$Parameter, maxgap = 2)) 甚至对于单次出现： df1 <- within(df, Parameter[Parameter == is.na(df$Parameter) & Par_Count == 1] <- lead(Parameter) - lag(Parameter)) 但没有任何效果。它没有改变任何 NA 值的出现。所需的输出如下：

Station  Parameter  Par_Count
       A        2          1
       A        3          1
       A        3.5        1
       A        4          2
       A        4          2
       A        9          1
       A        9.5        2
       A        9.75       2  <--here 9.5 will also work
       A        10         1
       A        15         1
       A        NA         3
       A        NA         3
       A        NA         3
       A        18         1
       A        20         1

Answer 1

你快到了。我认为您误解了 within 的用法。如果您想使用 within，您需要将 na.approx 的输出分配给数据框的一列。以下将起作用：

library(zoo)
df1 <- within(df, Parameter <- na.approx(Parameter, maxgap = 2, na.rm = FALSE))

请注意，建议使用 na.rm = FALSE，否则前导或尾随 NA 将被删除，从而导致错误。

就我个人而言，我认为以下内容更具可读性，尽管这是风格问题。

library(zoo)
df1 <- df
df1$Parameter <- na.approx(df$Parameter, maxgap = 2, na.rm = FALSE))

用字段的上一个和下一个可用值的平均值替换数据框中的 NA 值

Substitute Average of Previous and Next Available Values of Field for NA Values in Dataframe

average

r

na

na.approx