Question

我有以下数据框（简化），国家/地区变量作为因素，而值变量缺少值：

country value
AUT     NA
AUT     5
AUT     NA
AUT     NA
GER     NA
GER     NA
GER     7
GER     NA
GER     NA

以下内容生成以上数据框：

data <- data.frame(country=c("AUT", "AUT", "AUT", "AUT", "GER", "GER", "GER", "GER", "GER"), value=c(NA, 5, NA, NA, NA, NA, 7, NA, NA))

现在，我想使用最后一次观察结果（LOCF）替换每个国家子集中的NA值。我知道 zoo 包中的命令na.locf。 data <- na.locf(data)会给我以下数据框：

country value
AUT     NA
AUT     5
AUT     5
AUT     5
GER     5
GER     5
GER     7
GER     7
GER     7

但是， 该功能只应用于按国家/地区划分的各个子集 。以下是我需要的输出：

country value
AUT     NA
AUT     5
AUT     5
AUT     5
GER     NA
GER     NA
GER     7
GER     7
GER     7

我想不出一个简单的方法来实现它。在开始使用for循环之前，我想知道是否有人知道如何解决这个问题。

非常感谢!!

Answer 1

ddply解决方案的现代版本是使用包dplyr：

library(dplyr)
DF %>%
  group_by(county) %>% 
  mutate(value = na.locf(value, na.rm = F))

Answer 2

这是一个ddply解决方案。试试这个

library(plyr)
ddply(DF, .(country), na.locf)
  country value
1     AUT  <NA>
2     AUT     5
3     AUT     5
4     AUT     5
5     GER  <NA>
6     GER  <NA>
7     GER     7
8     GER     7
9     GER     7

修改从ddply帮助您可以找到

.variables: variables to split data frame by, as quoted variables, a formula or character vector.

所以获得你想要的另一种选择是：

ddply(DF, "country", na.locf) ddply(DF, ~country, na.locf)

请注意，不允许将.variables替换为DF$variable，这就是您在执行此操作时出错的原因。

DF是您的data.frame

Answer 3

虽然不使用locf，但是整齐的方式是：

library(tidyverse)

data %>% 
    group_by(country) %>% 
    fill(value)

Source: local data frame [9 x 2]
Groups: country [2]

country value
(fctr) (dbl)
1     AUT    NA
2     AUT     5
3     AUT     5
4     AUT     5
5     GER    NA
6     GER    NA
7     GER     7
8     GER     7
9     GER     7

Answer 4

将data.frame与by分开并在子集上使用na.locf：

do.call(rbind,by(data,data$country,na.locf))

如果您想删除行名称：

do.call(rbind,unname(by(data,data$country,na.locf)))

Answer 5

如果速度是一个考虑因素，那么这个unstack / stack解决方案比我系统上的其他解决方案快4到6倍，尽管它需要稍微长一点的代码：

stack(lapply(unstack(data, value ~ country), na.locf, na.rm = FALSE))

另一种方法是：

transform(data, value = ave(value, country, FUN = na.locf0))

Answer 6

您只需按国家/地区划分，然后执行zoo::na.locf()或na.fill，填写右侧。这是一个明确显示na.fill的三元组arg语法的例子：

library(plyr)
library(zoo)

data <- data.frame(country=c("AUT", "AUT", "AUT", "AUT", "GER", "GER", "GER", "GER", "GER"), value=c(NA, 5, NA, NA, NA, NA, 7, NA, NA))

# The following is equivalent to na.locf
na.fill.right <- function(...) { na.fill(..., list(left=NA,interior=NA,right="extend")) }

ddply(data, .(country), na.fill.right)

  country value
1     AUT  <NA>
2     AUT     5
3     AUT     5
4     AUT     5
5     GER  <NA>
6     GER  <NA>
7     GER     7
8     GER     7
9     GER     7

Answer 7

我这次谈话有点晚了，但这是一种data.table的方式，对于较大的数据集，它将更快：

library(zoo)
library(data.table)

# Convert to data table
setDT(data)

data[, value := na.locf(value, na.rm = FALSE), by = country]

data
   country  value
1:     AUT     NA
2:     AUT      5
3:     AUT      5
4:     AUT      5
5:     GER     NA
6:     GER     NA
7:     GER      7
8:     GER      7
9:     GER      7

# And if you want to convert "data" back to a data frame...
setDF(data)

Answer 8

dplyr 和 imputeTS 软件包的组合可以完成这项工作。

library(dplyr)
library(imputeTS)
data %>% group_by(country) %>% 
mutate(value = na.locf(value, na.remaining="keep"))

使用 imputeTS 的na.locf函数的na.remaining参数，您还可以选择如何处理尾随的NA。

这些是选项：

“保持”-返回带有NA的系列
“ rm”-删除剩余的NAs
“均值”-用总体均值替换剩余的资产净值
“ rev”-从相反方向执行nocb / locf

通过选择“平均值”，例如，在特定示例中，每个GER的结果为7。

如何用数据框中的因子用LOCF填充NA，按国家/地区划分

8 个答案: