R 估算数据表模式和鼠标

Question

# IMPUTING VALUES
library(data.table)
set.seed(1337)
mydt = q <- data.table(Year = rep(2000:2005, each = 10),
                   Type = c("A","B"),
Class = sample(1:5,rep=T),
                   Car = sample(0:1, rep=T),
                   Boat = sample(1:4, rep=T)
)
naRows <- sample(nrow(mydt),15)
mydt[ naRows, Car := NA]
naRows <- sample(nrow(mydt),15)
mydt[ naRows, Boat := NA]
setkey(mydt,Year,Type)

我所有的数据都是类别和二进制的。

我想做两个项目。

首先我希望按类型和Class来估算Car和Boat的模式。因此，对于 Type 和 Class 的每个组合，找到 Car 和 Boat 的模式并估算它们。

其次我想知道:: 是否也可以使用 'mice' 来做到这一点？

我正在寻求 data.table 和鼠标解决方案。我希望两者都可以，因为 'mice' 在我的大数据中可能需要很长时间！

Answer 1

如果我正确理解了您的要求（您想用类型 x Class 的列模式替换缺失项），这可能是 data.table 解决方案：

# function to calculate mode
stats_mode <- function(x) {
  ux <- unique(x[!is.na(x)])
  ux[which.max(tabulate(match(x, ux)))]
}

# Generate new column with mode per group
mydt[, `:=`(mCar  = stats_mode(Car),
            mBoat = stats_mode(Boat)), by = .(Type, Class)]

# Replace missings
mydt[is.na(Car),  Car  := mCar]
mydt[is.na(Boat), Boat := mBoat]

# Cleansing
mydt[, c("mBoat", "mCar") := NULL]

对于大数据，您可能希望避免包含该模式的两列的物化。相反，您可以存储摘要 table 并将其用作一种查找 table 以查找每个组的模式值。

R 估算数据表模式和鼠标

R Impute DataTable Mode And Mice

r

data.table

imputation

r-mice