Question

我想替换数据帧列中的缺失值。我写了以下代码

MedianImpute <- function(data=data)
     {
      for(i in 1:ncol(data))
        {        
        if(class(data[,i]) %in% c("numeric","integer"))
          {
          if(sum(is.na(data[,i])))
            {
            data[is.na(data[,i]),i] <- 
                          median(data[,i],na.rm = TRUE)
            }
          }
        }
      return(data)
      }

这将返回数据帧，其中NAs由列中位数替换。我不想使用for循环，如何使用R？

中的任何apply函数得到相同的结果

Answer 1

您可以使用apply在所有列中应用函数

dat<-data.frame(c1=c(1,2,3,NA),c2=c(10, NA, 20, 30))
apply(dat, 2, function(x) ifelse(is.na(x), median(x, na.rm=T), x))

稍快一点

imputeMedianv3<-function(x) apply(x, 2, function(x){x[is.na(x)]<-median(x, na.rm=T); x})

我确定您所寻找的是性能，有人会提供数据表解决方案（不幸的是我不熟悉该软件包，因此无法自行完成）。

Answer 2

这实际上是一个微妙的问题，所以值得一些讨论（IMO）。您有一个data frame，并且只想为数字列输入中位数，结果当然是数据框。

apply(...)函数将首先强制它的矩阵参数。由于矩阵中的所有元素必须是相同的数据类型，如果原始df中有任何字符或因子列，，当传递给{{时，整个矩阵将被强制转换为char 1}}。

apply(...)

# 1st column of df is a factor df <- data.frame(a=letters[1:5],x=sample(1:5,5),y=runif(5)) df[3,]$x <- NA df[5,]$y <- NA df # a x y # 1 a 5 0.5235779 # 2 b 3 0.2142011 # 3 c NA 0.8886608 # 4 d 4 0.4952574 # 5 e 1 NA apply(df,2,function(x) { if(is.numeric(x)) ifelse(is.na(x),median(x,na.rm=T),x) else x}) # a x y # [1,] "a" " 5" "0.5235779" # [2,] "b" " 3" "0.2142011" # [3,] "c" NA "0.8886608" # [4,] "d" " 4" "0.4952574" # [5,] "e" " 1" NA会将sapply(df,FUN=f)的列分别传递给函数df，但是，结果将是矩阵。因此，例如，f(...)中的任何因子都将被强制转换为整数。

df

所以在这里sapply(df,function(x) { if(is.numeric(x)) ifelse(is.na(x),median(x,na.rm=T),x) else x}) # a x y # [1,] 1 5.0 0.5235779 # [2,] 2 3.0 0.2142011 # [3,] 3 3.5 0.8886608 # [4,] 4 4.0 0.4952574 # [5,] 5 1.0 0.5094176和df$x是正确的，但看看df$y发生了什么：通过返回因子级别将因子强制转换为数字 - 而不是你想要的！

df$a将返回一个列表，然后可以将其转换为数据帧。这种方法可以为您提供所需的结果：

lapply(df,FUN=F)

我认为这是否比使用循环更好有争议......

使用sapply的中位数估算

2 个答案: