Question

我有一个数据框，它已经合并了足球赛季的球员和球队数据所以对于特定赛季中的特定球员，我有像

这样的数据

df <- data.frame(team=c(NA,"CRP",NA,"CRP","CRP",NA),
             player=c(NA,"Ed",NA,"Ed","Ed",NA),
             playerGame= c(NA,1,NA,2,3,NA),
             teamGame =c(1,2,3,4,5,6))

NA表示玩家没有出现在特定的团队游戏中

我如何能够最有效地用“CRP”和“Ed”替换球队和球员NA 并且有一个plGame输出，在本例中为0,1,1,2,3,3

修改

抱歉，我在半夜醒来的时候写了这篇文章，可能过分简化了我的问题。只有一个人似乎已经意识到这是一个更大的数据集的一个子集，甚至他/她没有遵循它虽然直接硬编码替换球员和球队是不够的谢谢你的回复。 Dsee暗示动物园套餐中的na.locf和AK的第一行答案似乎提供了最好的前进方式

df$playerGame[df$teamGame == min(df$teamGame) & is.na(df$playerGame) == TRUE] <- 0
na.locf(df$playerGame)

这涵盖了多个NA启动序列的可能性。在我的情况下，min（df $ teamGame）总是1，所以硬编码可以加快速度

这是一个更现实的例子

library(zoo)
library(plyr)

newdf <- data.frame(team=c("CRP","CRP","CRP","CRP","CRP","CRP","TOT","TOT","TOT"),
             player=c(NA,"Ed",NA,"Bill","Bill",NA,NA,NA,"Tom"),
             playerGame= c(NA,1,NA,1,2,NA,NA,NA,1),
             teamGame =c(1,2,3,1,2,3,1,2,3))

我现在可以向每一行展示团队每个球队在一个赛季中打三场比赛。 Ed和Bill，为CRP效力，分别出现在第2场和第1,2场比赛中。汤姆只参加第3场比赛的TOT比赛。假设玩家名称是唯一的（即使在现实世界数据中）

在我看来，我需要创建另一个专栏'playerTeam'

newdf$playerTeam <- 0

for (i in 1:nrow(newdf)) {
newdf$playerTeam[i] <-ceiling(i/3)
}

然后我可以使用此值来填补玩家空白。我使用了排序功能省略了NA

newdf <- ddply(newdf,.(playerTeam),transform,player=sort(player)[1])

然后我可以使用上述代码

newdf$playerGame[newdf$teamGame == 1 & is.na(newdf$playerGame) == TRUE] <- 0
newdf$playerGame <- na.locf(newdf$playerGame)

   team player playerGame teamGame playerTeam
1  CRP     Ed          0        1          1
2  CRP     Ed          1        2          1
3  CRP     Ed          1        3          1
4  CRP   Bill          1        1          2
5  CRP   Bill          2        2          2
6  CRP   Bill          2        3          2
7  TOT    Tom          0        1          3
8  TOT    Tom          0        2          3
9  TOT    Tom          1        3          3

我也需要在赛季中建立，但这应该不是问题

我在这里遗漏了什么吗？

我有几十万行要处理，所以任何加速都会有所帮助。例如，我可能想要避免ddply并使用data.table方法或另一个apply函数，对吧

Answer 1

你想要的似乎有两个部分：

您想要替换播放器名称＆amp;具有预定价值的团队
您希望通过playerGame列表继续进行游戏计数

对于（1），你可以这样做：

df$team[is.na(df$team)] <- 'CRP'

同样，您可以更改数据框的其他组件

对于（2）你可以这样做：

if(is.na(df$playerGame[1])) {
    df$playerGame[1] <- 0
}
for(i in 2:length(df$playerGame)) { 
    if(is.na(x[i])) {
        df$playerGame[i] <- df$playerGame[i-1]
    }
}

然后df$playerGame是：

[1] 0 1 1 2 3 3

也许有一种非常好的方法可以做到这一点，但这显然是可读的......

Answer 2

选择NA，比如player，请使用

  df$player[is.na(df$player)]

然后为这些使用分配值

  df$player[is.na(df$player)]  <- "Ed"

如果您只想为整个播放器列分配相同的名称，则无需选择任何值：

  df$player[]  <-  "Ed"   # you can omit the brackets [], which are shown just for emphasis

然后您可以对df$team

执行相同的操作

<小时/> 另外，在您创建数据框时，如果您计划添加除已存在的值以外的值，则可能需要添加stringsAsFactors=FALSE

 data.frame( . , stringsAsFactors=FALSE)

Answer 3

替换球队和球员的NA：

df$team[is.na(df$team)] <- "CRP"
df$player[is.na(df$player)] <- "Ed"

可能有一种更有效的方法来获取相邻的值，但是有效。

如果第一个或/和最后一个值是NA，如在您的示例中，我必须使用另外两行：

df$playerGame[df$teamGame == min(df$teamGame) & is.na(df$playerGame) == TRUE] <- 0
df$playerGame[df$teamGame == max(df$teamGame) & is.na(df$playerGame) == TRUE] <- max(df$playerGame, na.rm = TRUE)

对于所有其他观察，这得到相邻的值：

df$playerGame[is.na(df$playerGame) == TRUE] <- df$playerGame[-1]

df

team player playerGame teamGame
CRP     Ed          0        1
CRP     Ed          1        2
CRP     Ed          1        3
CRP     Ed          2        4
CRP     Ed          3        5
CRP     Ed          3        6

对于多个团队和/或玩家，我建议将其与ddply（plyr）结合使用。

用相邻值替换R向量中的NA

3 个答案: