根据 R 上的其他条目填充缺失值

Question

我的数据集 input 有几个缺失值。我必须使用以下逻辑创建数据集 output：

如果 b、c 或 d 列中的任何一个缺失，则检查相应的 a 列并用从该行到特定列的对应值。

我尝试使用 dplyr 中的 _join 函数来做到这一点，但没有成功。

我可以手动完成，但是这个选项不可用 table 因为我有一个包含多个类似实例的大数据集。

输入

library(dplyr)

input <- tibble( a = rep(c("A", "B", "C", "D"),2 ),
        b = c(1:3, NA, rep(NA,4)),
        c = c(21:28),
        d = c(rep(NA,4), 54, NA, 34,11)) %>% 
  arrange(a)

输入视图

# A tibble: 8 × 4
#  a         b     c     d
#  <chr> <int> <int> <dbl>
#1 A         1    21    NA
#2 A        NA    25    54
#3 B         2    22    NA
#4 B        NA    26    NA
#5 C         3    23    NA
#6 C        NA    27    34
#7 D        NA    24    NA
#8 D        NA    28    11

输出 - 预期视图

# A tibble: 8 × 4
#   a         b     c     d
# <chr> <int> <int> <dbl>
# 1 A         1    21    54
# 2 A         1    25    54
# 3 B         2    22    NA
# 4 B         2    26    NA
# 5 C         3    23    34
# 6 C         3    27    34
# 7 D        NA    24    11
# 8 D        NA    28    11

Answer 1

这是草率的归咎：

library(dplyr)
input %>%
  group_by(a) %>%
  mutate(across(b:d, ~ if_else(is.na(.), na.omit(.)[1], .))) %>%
  ungroup()
# # A tibble: 8 x 4
#   a         b     c     d
#   <chr> <int> <int> <dbl>
# 1 A         1    21    54
# 2 A         1    25    54
# 3 B         2    22    NA
# 4 B         2    26    NA
# 5 C         3    23    34
# 6 C         3    27    34
# 7 D        NA    24    11
# 8 D        NA    28    11

我认为 group_by(a) 相当直观且有道理。我第一句话的“仓促”部分是我们找到第一个非 NA 值并使用它。其他插补技术可能使用平均值、中位数、先前的有效数据（如 Rui 的回答中的“locf”）或随机抽样。 mice 包专门用于插补。

Answer 2

使用包 zoo 中的函数 na.locf 向前或向相反方向进行最后一次观察。

suppressPackageStartupMessages(library(dplyr))

input <- tibble( a = rep(c("A", "B", "C", "D"),2 ),
                 b = c(1:3, NA, rep(NA,4)),
                 c = c(21:28),
                 d = c(rep(NA,4), 54, NA, 34,11)) %>% 
  arrange(a)

input %>%
  group_by(a) %>%
  mutate(across(b:d, zoo::na.locf, na.rm =  FALSE)) %>%
  mutate(across(b:d, zoo::na.locf, na.rm =  FALSE, fromLast = TRUE))
#> # A tibble: 8 × 4
#> # Groups:   a [4]
#>   a         b     c     d
#>   <chr> <int> <int> <dbl>
#> 1 A         1    21    54
#> 2 A         1    25    54
#> 3 B         2    22    NA
#> 4 B         2    26    NA
#> 5 C         3    23    34
#> 6 C         3    27    34
#> 7 D        NA    24    11
#> 8 D        NA    28    11

^{由 reprex package (v2.0.1)}

于 2022-05-14 创建

根据 R 上的其他条目填充缺失值

Fill up missing values based on other entries on R

r

dplyr

tidyverse

data-wrangling

输入

输入视图

输出 - 预期视图