Question

用户，

我的data.frames在我的结果中是NULL，但我不希望它们为NULL。我希望它们与开头相同（不变）。我正在处理一个文件列表，我的代码的目的是用我的其他data.frames中的数据填充所有NA（根据最佳相关系数）。这是一个小例子：

想象一下，这些是我的3个输入数据帧（每行10行）：

ST1 <- data.frame(x1=c(1:10))
ST2 <- data.frame(x2=c(1:5,NA,NA,8:10))
ST3 <- data.frame(x3=c(NA,NA,NA,NA,NA,NA,NA,NA,NA,NA))

这里的目的是，例如，如果在ST1中存在NA，则ST1必须填充来自ST1的最佳相关文件的数据（在该示例中在ST2和ST3之间）。）

由于ST3这里没有数据，我不能有任何相关系数。因此ST3中的NA无法填充，ST3也不能用于填充另一个文件。所以ST3没有用，如果你想。不过我想在所有代码中保持ST3不变。因此，我的代码中的问题来自没有数据的data.frames，因此只有NAs。

目前我的代码会将此代码用于“重新填充”（我的代码结束）（在我的data.frames中填充NA）：

ST1 <- data.frame(x1=c(1:10))
ST2 <- data.frame(x2=c(1:5,6,7,8:10))
ST3 <- NULL

但实际上，我想要“重新填充”这个结果：

ST1 <- data.frame(x1=c(1:10))
ST2 <- data.frame(x2=c(1:5,6,7,8:10))
ST3 <- data.frame(x3=c(NA,NA,NA,NA,NA,NA,NA,NA,NA,NA))

因此对于只有NA的data.frames，我不希望它们在“refill”中为NULL，但我希望它们与输入中的相同。我需要它在输入和输出之间具有相同的data.frames维度。如果它们是NULL（就像目前一样，但我不明白为什么，我想改变它），这个data.frame中将有0行而不是其他data.frames的10行。

所以我觉得我的代码在函数“process.all”或“na.fill”或者“lst”中有问题。

这是我的代码，它是一个可重现的示例，供您了解我的错误（您将在head(refill)中看到ST2设置为NULL）。对不起，如果它有点长，但我的错误取决于以前使用的其他功能。希望你能理解我的问题和我想要做的事情。谢谢你的帮助！

（有关信息，在函数“process.all”和“na.fill”中：x是我要填充的data.frame，y是用于填充x的文件（所以最好的相关文件用x））。

杰弗里

# my data for example
DF1 <- data.frame(x1=c(NA,NA,rnorm(3:20)),x2=c(31:50))
write.table(DF1,"ST001_2008.csv",sep=";")
DF2 <- data.frame(x1=c(NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,rnorm(1:10)),x2=c(1:20))
write.table(DF2,"ST002_2008.csv",sep=";")
DF3 <- data.frame(x1=rnorm(81:100),x2=NA)
write.table(DF3,"ST003_2008.csv",sep=";")
DF4 <- data.frame(x1=c(21:40),x2=rnorm(1:20))
write.table(DF4,"ST004_2008.csv",sep=";")

# Correlation table

  corhiver2008capt1 <- read.table(text="  ST001 ST002      ST003      ST004
ST001  1.0000000    NA -0.4350665  0.3393549
ST002         NA    NA         NA         NA
ST003 -0.4350665    NA  1.0000000 -0.4992513
ST004  0.3393549    NA -0.4992513  1.0000000",header=T)


    lst <- lapply(list.files(pattern="\\_2008.csv$"), read.table,sep=";", header=TRUE, stringsAsFactors=FALSE)
    Stations <-c("ST001","ST002","ST003","ST004")
    names(lst) <- Stations

    # searching the highest correlation for each data.Frame
    get.max.cor <- function(station, mat){
     mat[row(mat) == col(mat)] <- -Inf
     m <- max(mat[station, ],na.rm=TRUE)
     if (is.finite(m)) {return(which( mat[station, ] == m ))}
     else {return(NA)}
    }

    # fill the data.frame with the data.frame which has the highest correlation coefficient
    na.fill <- function(x, y){
     if(all(!is.finite(y[1:10,1])))  return(y)
     i <- is.na(x[1:10,1])
     xx <- y[1:10,1]
     new <- data.frame(xx=xx)
     x[1:10,1][i] <- predict(lm(x[1:10,1]~xx, na.action=na.exclude),new)[i]
     x
    }

    process.all <- function(df.list, mat){

        f <- function(station)
             na.fill(df.list[[ station ]], df.list[[ max.cor[station] ]])

        g <- function(station){
        x <- df.list[[station]]
        if(any(!is.finite(x[1:10,1]))){
            mat[row(mat) == col(mat)] <- -Inf
            nas <- which(is.na(x[1:10,1]))
            ord <- order(mat[station, ], decreasing = TRUE)[-c(1, ncol(mat))]
            for(y in ord){
                if(all(!is.na(df.list[[y]][1:10,1][nas]))){
                    xx <- df.list[[y]][1:10,1]
                    new <- data.frame(xx=xx)
                    x[1:10,1][nas] <- predict(lm(x[1:10,1]~xx, na.action=na.exclude), new)[nas]
                    break
                }
            }
        }
        x
    }

        n <- length(df.list)
        nms <- names(df.list)
        max.cor <- sapply(seq.int(n), get.max.cor, corhiver2008capt1)
        df.list <- lapply(seq.int(n), f)
        df.list <- lapply(seq.int(n), g)
        names(df.list) <- nms
        df.list
    }

    refill <- process.all(lst, corhiver2008capt1)
    refill <- as.data.frame(refill)                                               ########## HERE IS THE PROBLEM ######
    refill

Answer 1

怎么样

if(sum(!is.na(ST3)) == 0) { 
skip whatever you normally would do and go to the next vector
}

当然，这假设您没有任何问题，例如，1999年NAs的矢量和一个数值。

返回相同的DF或向量而不是NULL

1 个答案: