Question

我有一个包含各种数字，逻辑，日期等498个变量的数据集，我将其作为R中的数据框，其中包含观察行和变量列。我想用这个变量的平均值替换它们的缺失值。

我已将此非常简单的函数编码为均值插补：

impute.mean <- function(x) replace(x, is.na(x), mean(x, na.rm = TRUE))

如果我应用于单个变量say dataset $ variableA：

，这可以很好地工作

dataset$variableA <- impute.mean(dataset$variableA)

这样做可以让我得到我想要的一个变量，但因为我有一个相当大的变量子集，我需要这样做，我不想手动这样做通过浏览每个需要插补的变量。

我的第一直觉是使用R中的一个应用函数来有效地执行此操作，但我似乎并不了解如何准确地执行此操作。

粗略的第一次尝试是使用标准申请：

newdataset <- apply(dataset, 2, impute.mean)

这显然有点粗糙，因为它试图将函数应用于所有列，包括非数字的变量，但它似乎是一个合理的起始位置，即使它可能会产生一些警告。唉，这种方法不起作用，我的所有变量都保持不变。

我还做了一些lapply，mapply，ddply的实验但到目前为止没有任何成功。

理想情况下，我希望能够做到这样的事情：

relevantVariables <- c("variableA1", "variableA2", ..., "variableA293")
newdataset <- magical.apply(dataset, relevantVariables, impute.mean)

是否有一些以这种方式运作的应用函数？

或者，还有其他一些有效的方法吗？

Answer 1

您可以使用data.table包有效地执行此操作：

SetNAsToMean <- function(dt, vars) {                                                                                                                             
  # Sets NA values of columns to the column means                                                                                                                
  #                                                                                                                                                              
  # Args:                                                                                                                                                        
  #   dt: data.table object to work with                                                                                                                         
  #   vars: vector of column names to replace NAs                                                                                                                
  #                                                                                                                                                              
  # Returns:                                                                                                                                                     
  #   Nothing. Alters data.table in place.                                                                                                                       
  #                                                                                                                                                              
  # Example:                                                                                                                                                     
  #   dt <- data.table(num1 = c(1, NA, 3),                                                                                                                       
  #                    num2 = c(NA, NA, 4),                                                                                                                      
  #                    char1 = rep("a", 3))                                                                                                                      
  #   SetNAsToMean(dt, c("num1", "num2"))                                                                                                                        
  #   # Alternatively, set all numeric columns                                                                                                                    
  #   numerics <- which(lapply(dt, class) == "numeric")                                                                                                           
  #   SetNAsToMean(dt, numerics)
  require(data.table)
  for (var in vars) {                                                                                                                                            
    set(dt, which(is.na(dt[[var]])), var, mean(dt[[var]], na.rm=T))                                                                                              
  }                                                                                                                                                              
}

Answer 2

这会让你满意吗？

for (j in 1:length(dataset[1,]))
    {

        if (is.numeric(dataset[,j]))
        {
            for(k in 1:length(dataset[,1]))
            {
                if(is.na(dataset[k,j]))
                {
                    dataset[k,j] <- mean(dataset[,j],na.rm=T)
                }
            }
        }
    }

对R中的大量变量应用均值插补

2 个答案: