Question

我有一个由三列组成的数据框（参见代码中的示例）。第一列包含类别（a），第二列包含观察数（b），第三列包含这些观察的平均值（c）。

    #create a test df
    a<-factor(c("aaa","aaa","aaa","ddd","eee","ddd","aaa","ddd"))
    b<-c(3,4,1,3,5,7,3,2)
    c<-c(1,2,NA,4,5,6,7,NA)
    df.abc<-data.frame(a=a,b=b,c=c)
    df.abc

如果观察次数为1或2，则标记为缺失值的条目（NA）。

因此，我的功能的目的是用每个类别的平均值替换这些缺失值。

我接过了我，但是我有一个功能正常工作，用一个类别的所有缺失值替换（如果观察结果为1）。它看起来像这样：

    #function to substitue the missing values in row c by their means 
    #according to their categories
    function.abc<-function(x){
        ifelse(
            (df.abc[,1]==x)&(df.abc[,2]==1),
            mean(df.abc$c[df.abc$a ==x],na.rm=TRUE),
            df.abc[,3]
        )
    }

测试此功能：

    #test the function for the category "ccc"
    function.abc("aaa")

效果很好（但只是平均值而不是平均值）输出为：

[1] 1.000000 2.000000 3.333333 4.000000 5.000000 6.000000 7.000000 NA

现在我的问题是，我有很多类别（n = 32），我试图在包含我的类别的向量上应用此函数。在这种情况下，一个简单的例子是：

    #test the function for a testvector
    test.vector<-c("aaa","ddd")
    function.abc(test.vector)

输出是：

[1] 1.0 2.0 4.5 4.0 5.0 6.0 7.0 NA

显然这不会有效......

有人可以帮我重新安排功能吗？我对编程很陌生，设计简短和良好的功能对我来说仍然是一个很大的挑战......

修改

我希望输出为： [1] 1.000000 2.000000 3.20000 4.000000 5.000000 6.000000 7.000000 5.000000

使组aaa（3.20000）的平均值代替aaa中的NA值，组ddd（5.0000000）的平均值代替ddd中的NA ...

Answer 1

为了在一个类别中同时处理多个列，您需要使用分割数据帧然后处理组件的东西。 lapply( split(df, fac), function(x) {...})范例适用于此。或者您可以使用transform或plyr包。

> lapply( split( df.abc, df.abc$a), 
               function(dfrm) { dfrm[is.na(dfrm$c), "c"] <- 
                  weighted.mean(dfrm[!is.na(dfrm$c) , "c"], dfrm[!is.na(dfrm$c), "b"])
                         dfrm} )  
                # need to evaluate dfrm in order to return the full value.
$aaa
    a b   c
1 aaa 3 1.0
2 aaa 4 2.0
3 aaa 1 3.2
7 aaa 3 7.0

$ddd
    a b   c
4 ddd 3 4.0
6 ddd 7 6.0
8 ddd 2 5.4

$eee
    a b c
5 eee 5 5

然后您可以使用`do.call：

rbind

 do.call( rbind, lapply( split( df.abc, df.abc$a), 
          function(dfrm) { dfrm[is.na(dfrm$c), "c"] <-
                 weighted.mean(dfrm[!is.na(dfrm$c) , "c"], dfrm[!is.na(dfrm$c), "b"])
                   dfrm} ) )
        a b   c
aaa.1 aaa 3 1.0
aaa.2 aaa 4 2.0
aaa.3 aaa 1 3.2
aaa.7 aaa 3 7.0
ddd.4 ddd 3 4.0
ddd.6 ddd 7 6.0
ddd.8 ddd 2 5.4
eee   eee 5 5.0

Answer 2

我不太清楚你的意思，但如果你想包含所有这些行，你可以使用％in％。

function.abc<-function(x){
  ifelse(
    (df.abc[,1] %in% x)&(df.abc[,2]==1),
    mean(df.abc$c[df.abc$a %in% x],na.rm=TRUE),
    df.abc[,3]
  )
}

> function.abc("aaa")
[1] 1.000000 2.000000 3.333333 4.000000 5.000000 6.000000 7.000000       NA

> test.vector<-c("aaa","ddd")
> function.abc(test.vector)
[1]  1  2  4  4  5  6  7 NA

最后一个元素是NA，因为列'b'不是1。

Answer 3

CatMeans <- tapply(df.abc$c, df.abc$a, function(x) mean(x, na.rm==T))将按类别为您提供方法。

     aaa      ddd      eee 
3.333333 5.000000 5.000000

为所有这些人做这件事：

> CatMeans <- tapply(df.abc$c, df.abc$a, function(x) mean(x, na.rm==T))
> ifelse(is.na(df.abc$c), CatMeans[df.abc$a], df.abc$c)
[1] 1.000000 2.000000 3.333333 4.000000 5.000000 6.000000 7.000000 5.000000

你可以把它变成一个我敢肯定的功能。如果您只想"aaa"和"ddd"，那么您可以ifelse(is.na(df.abc$c) & df.abc$a %in% c("aaa","ddd"),...

R：在条件下替换数据框中的值

3 个答案: