Question

我有一个复杂的问题。我缺少需要估算的值，但是估算必须按我的数据框中的分组进行（因为它们是在不同的时间收集的），而我不想通过均值来进行估算。如果未针对特定观察记录该值，则需要使用先前记录的值。

以下是一些示例数据：

sample_data <- data.frame(Class = rep(x= letters[1:10], each=100),
                          group= rep(x=c("inside", "outside"), each=50),
                          Sample_number = seq(1,50,by=1),
                            x1= rnorm(1000,mean=0, sd=.5), 
                            x2= 0)
sample_data$Class_group <- paste0(sample_data$Class,"_", sample_data$group)
sample_data$Class_group <- as.factor(sample_data$Class_group)
sample_data$x1[sample_data$x1 < 0] <- NA

这是我徒劳的尝试：

library(data.table)

varieties=levels(sample_data$Class_group)


for (i in 1:length(levels(sample_data$Class_group))){

  variety_subset <- subset(sample_data, sample_data$Class_group==varieties[i])

  for (ii in 1:nrow(variety_subset)){
    temp_df <- subset(variety_subset, variety_subset$Sample_number==ii)
    if(is.number(temp_df$x1)){
      variety_subset$x2 <- variety_subset$x1
    } else {
      variety_subset[ , x2 := shift(x2, n=1L, type="lag")]
    }}}

我不确定如何继续。我认为rolling join是一个很好的选择，它可以选择最接近sample_number的x1值在x2中进行插值，但是我没有两个数据框，而我只有一个。

我确实确实需要像this question这样的dplyr mutate逐行执行操作，但是由于我的小组，我需要估算的变量来自小组本身。这就是为什么我尝试for循环的原因。

必须有一种更优雅的方式来做到这一点！？

注意：尽管可以进行很多双重检查，但我可以在MS Excel中做到，但这很容易。我在B2单元格中放了一个公式，例如=IF(ISNUMBER(A2), A2, B1)，我的真实数据集中的第一个值始终具有记录的值，因此这可行，但是我确实需要根据我的组在R中可重复地进行操作， strong> Class_group 。

以下是我希望它工作的方式……

Class,group,Sample_number,x1,x2,Class_group
a   inside  1   NA     0    a_inside
a   inside  2   NA     0    a_inside
a   inside  3   NA     0    a_inside
a   inside  4   NA     0    a_inside
a   inside  5   0.57   0    a_inside
a   inside  6   NA     0    a_inside
a   inside  7   NA     0    a_inside
a   inside  8   NA     0    a_inside
a   inside  9   0.43    0   a_inside
a   inside  10  0.19    0   a_inside
a   inside  11  0.09    0   a_inside
a   inside  12  0.13    0   a_inside
a   inside  13  0.68    0   a_inside
a   inside  14  0.50    0   a_inside
a   inside  15  0.57    0   a_inside

以及之后...

Class,group,Sample_number,x1,x2,Class_group
a   inside  1   NA      0.57    a_inside
a   inside  2   NA      0.57    a_inside
a   inside  3   NA      0.57    a_inside
a   inside  4   NA      0.57    a_inside
a   inside  5   0.57    0.57    a_inside
a   inside  6   NA      0.57    a_inside
a   inside  7   NA      0.57    a_inside
a   inside  8   NA      0.43    a_inside
a   inside  9   0.43    0.43    a_inside
a   inside  10  0.19    0.19    a_inside
a   inside  11  0.09    0.09    a_inside
a   inside  12  0.13    0.13    a_inside
a   inside  13  0.68    0.68    a_inside
a   inside  14  0.50    0.50    a_inside
a   inside  15  0.57    0.57    a_inside

Answer 1

您可能需要?zoo::na.locf。

library(zoo)
library(data.table)
set.seed(1) # Use for reproducibility
sample_data <- data.frame(Class = rep(x= letters[1:10], each=100),
                          group= rep(x=c("inside", "outside"), each=50),
                          Sample_number = seq(1,50,by=1),
                          x1= rnorm(1000,mean=0, sd=.5), 
                          x2= 0)
sample_data$Class_group <- paste0(sample_data$Class,"_", sample_data$group)
sample_data$Class_group <- as.factor(sample_data$Class_group)
sample_data$x1[sample_data$x1 < 0] <- NA
varieties=levels(sample_data$Class_group)
setDT(sample_data)
sample_data[
  , x2:=ifelse(
    is.na(na.locf(x1, na.rm = FALSE)), 
    na.locf(x1, na.rm = FALSE, fromLast = TRUE), 
    na.locf(x1, na.rm = FALSE)
  ), 
  by = 'Class_group'
]
> sample_data[Class_group == 'a_inside'][1:10]
    Class  group Sample_number         x1         x2 Class_group
 1:     a inside             1         NA 0.09182166    a_inside
 2:     a inside             2 0.09182166 0.09182166    a_inside
 3:     a inside             3         NA 0.09182166    a_inside
 4:     a inside             4 0.79764040 0.79764040    a_inside
 5:     a inside             5 0.16475389 0.16475389    a_inside
 6:     a inside             6         NA 0.16475389    a_inside
 7:     a inside             7 0.24371453 0.24371453    a_inside
 8:     a inside             8 0.36916235 0.36916235    a_inside
 9:     a inside             9 0.28789068 0.28789068    a_inside
10:     a inside            10         NA 0.28789068    a_inside

顺便说一句，不需要创建中间变量Class_group。您可以使用by = c('Class', 'group')获得相同的结果。

Answer 2

使用roll="nearest"确保具有连续NA的案件更接近OP的请求：

sample_data[, x2 := sample_data[!is.na(x1)][
    sample_data, x1, on=.(Class_group, Sample_number), roll="nearest"]][]

输出：

    Class  group Sample_number   x1   x2 Class_group
 1:     a inside             1   NA 0.57    a_inside
 2:     a inside             2   NA 0.57    a_inside
 3:     a inside             3   NA 0.57    a_inside
 4:     a inside             4   NA 0.57    a_inside
 5:     a inside             5 0.57 0.57    a_inside
 6:     a inside             6   NA 0.57    a_inside
 7:     a inside             7   NA 0.57    a_inside
 8:     a inside             8   NA 0.43    a_inside
 9:     a inside             9 0.43 0.43    a_inside
10:     a inside            10 0.19 0.19    a_inside
11:     a inside            11 0.09 0.09    a_inside
12:     a inside            12 0.13 0.13    a_inside
13:     a inside            13 0.68 0.68    a_inside
14:     a inside            14 0.50 0.50    a_inside
15:     a inside            15 0.57 0.57    a_inside

样本数据：

library(data.table)
sample_data <- fread("Class    group    Sample_number    x1    x2    Class_group
a   inside  1   NA     0    a_inside
a   inside  2   NA     0    a_inside
a   inside  3   NA     0    a_inside
a   inside  4   NA     0    a_inside
a   inside  5   0.57   0    a_inside
a   inside  6   NA     0    a_inside
a   inside  7   NA     0    a_inside
a   inside  8   NA     0    a_inside
a   inside  9   0.43    0   a_inside
a   inside  10  0.19    0   a_inside
a   inside  11  0.09    0   a_inside
a   inside  12  0.13    0   a_inside
a   inside  13  0.68    0   a_inside
a   inside  14  0.50    0   a_inside
a   inside  15  0.57    0   a_inside")
sample_data[, x2 := as.numeric(x2)]

来自上一行的估算数据类似于R

2 个答案: