我想用dplyr解决以下问题。优选具有一个窗口功能。 我有一个房屋和购买价格的数据框架。以下是一个例子：
houseID year price
1 1995 NA
1 1996 100
1 1997 NA
1 1998 120
1 1999 NA
2 1995 NA
2 1996 NA
2 1997 NA
2 1998 30
2 1999 NA
3 1995 NA
3 1996 44
3 1997 NA
3 1998 NA
3 1999 NA
我想制作一个这样的数据框：
houseID year price
1 1995 NA
1 1996 100
1 1997 100
1 1998 120
1 1999 120
2 1995 NA
2 1996 NA
2 1997 NA
2 1998 30
2 1999 30
3 1995 NA
3 1996 44
3 1997 44
3 1998 44
3 1999 44
以下是一些格式正确的数据：
# Number of houses
N = 15
# Data frame
df = data.frame(houseID = rep(1:N,each=10), year=1995:2004, price =ifelse(runif(10*N)>0.15, NA,exp(rnorm(10*N))))
有没有一种方法可以做到这一点？
答案 0 :(得分：59)
tidyr::fill现在让这很简单：
library(dplyr)
library(tidyr)
# or library(tidyverse)
df %>% group_by(houseID) %>% fill(price)
# Source: local data frame [15 x 3]
# Groups: houseID [3]
#
# houseID year price
# (int) (int) (int)
# 1 1 1995 NA
# 2 1 1996 100
# 3 1 1997 100
# 4 1 1998 120
# 5 1 1999 120
# 6 2 1995 NA
# 7 2 1996 NA
# 8 2 1997 NA
# 9 2 1998 30
# 10 2 1999 30
# 11 3 1995 NA
# 12 3 1996 44
# 13 3 1997 44
# 14 3 1998 44
# 15 3 1999 44
答案 1 :(得分：42)
这些都使用了zoo包中的na.locf。另请注意，na.locf0（也在动物园中定义）与na.locf类似，但默认为na.rm = FALSE并且需要单个向量参数。第一个解决方案中定义的na.locf2也用于其他一些解决方案中。
<强> dplyr
library(dplyr)
library(zoo)
na.locf2 <- function(x) na.locf(x, na.rm = FALSE)
df %>% group_by(houseID) %>% do(na.locf2(.)) %>% ungroup
，并提供：
Source: local data frame [15 x 3]
Groups: houseID
houseID year price
1 1 1995 NA
2 1 1996 100
3 1 1997 100
4 1 1998 120
5 1 1999 120
6 2 1995 NA
7 2 1996 NA
8 2 1997 NA
9 2 1998 30
10 2 1999 30
11 3 1995 NA
12 3 1996 44
13 3 1997 44
14 3 1998 44
15 3 1999 44
其中一个变体是：
df %>% group_by(houseID) %>% mutate(price = na.locf0(price)) %>% ungroup
下面的其他解决方案给出了非常相似的输出，因此我们不会重复它，除非格式大不相同。
另一种可能性是将by解决方案（如下所示）与dplyr结合起来：
df %>% by(df$houseID, na.locf2) %>% bind_rows
按
library(zoo)
do.call(rbind, by(df, df$houseID, na.locf2))
<强> AVE
library(zoo)
transform(df, price = ave(price, houseID, FUN = na.locf0))
<强> data.table
library(data.table)
library(zoo)
data.table(df)[, na.locf2(.SD), by = houseID]
动物园此解决方案仅使用动物园。它返回一个宽而不是长的结果：
library(zoo)
z <- read.zoo(df, index = 2, split = 1, FUN = identity)
na.locf2(z)
，并提供：
1 2 3
1995 NA NA NA
1996 100 NA 44
1997 100 NA 44
1998 120 30 44
1999 120 30 44
此解决方案可以与dplyr结合使用：
library(dplyr)
library(zoo)
df %>% read.zoo(index = 2, split = 1, FUN = identity) %>% na.locf2
<强>输入
以下是上述示例的输入：
df <- structure(list(houseID = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L,
2L, 3L, 3L, 3L, 3L, 3L), year = c(1995L, 1996L, 1997L, 1998L,
1999L, 1995L, 1996L, 1997L, 1998L, 1999L, 1995L, 1996L, 1997L,
1998L, 1999L), price = c(NA, 100L, NA, 120L, NA, NA, NA, NA,
30L, NA, NA, 44L, NA, NA, NA)), .Names = c("houseID", "year",
"price"), class = "data.frame", row.names = c(NA, -15L))
已修订重新安排并添加更多解决方案。修订了dplyr / zoo解决方案以符合最新的更改dplyr。从所有解决方案中应用固定和分解na.locf2。
答案 2 :(得分：13)
您可以执行滚动自加入，由data.table支持：
require(data.table)
setDT(df) ## change it to data.table in place
setkey(df, houseID, year) ## needed for fast join
df.woNA <- df[!is.na(price)] ## version without the NA rows
# rolling self-join will return what you want
df.woNA[df, roll=TRUE] ## will match previous year if year not found
答案 3 :(得分：9)
Pure dplyr解决方案（没有动物园）。
df %>%
group_by(houseID) %>%
mutate(price_change = cumsum(0 + !is.na(price))) %>%
group_by(price_change, add = TRUE) %>%
mutate(price_filled = nth(price, 1)) %>%
ungroup() %>%
select(-price_change) -> df2
示例解决方案的有趣部分是在df2的末尾。
> tail(df2, 20)
Source: local data frame [20 x 4]
houseID year price price_filled
1 14 1995 NA NA
2 14 1996 NA NA
3 14 1997 NA NA
4 14 1998 NA NA
5 14 1999 0.8374778 0.8374778
6 14 2000 NA 0.8374778
7 14 2001 NA 0.8374778
8 14 2002 NA 0.8374778
9 14 2003 2.1918880 2.1918880
10 14 2004 NA 2.1918880
11 15 1995 NA NA
12 15 1996 0.3982450 0.3982450
13 15 1997 NA 0.3982450
14 15 1998 1.7727000 1.7727000
15 15 1999 NA 1.7727000
16 15 2000 NA 1.7727000
17 15 2001 NA 1.7727000
18 15 2002 7.8636329 7.8636329
19 15 2003 NA 7.8636329
20 15 2004 NA 7.8636329
答案 4 :(得分：2)
没有dplyr：
prices$price <-unlist(lapply(split(prices$price,prices$houseID),
function(x) zoo::na.locf(x,na.rm=FALSE)))
prices
houseID year price
1 1 1995 NA
2 1 1996 100
3 1 1997 100
4 1 1998 120
5 1 1999 120
6 2 1995 NA
7 2 1996 NA
8 2 1997 NA
9 2 1998 30
10 2 1999 30
11 3 1995 NA
12 3 1996 44
13 3 1997 44
14 3 1998 44
15 3 1999 44
答案 5 :(得分：2)
dplyr和imputeTS的组合。
library(dplyr)
library(imputeTS)
df %>% group_by(houseID) %>%
mutate(price = na.locf(price, na.remaining="keep"))
您还可以用na.locf中的更高级的丢失数据替换（输入）功能替换imputeTS。例如na.interpolation或na.kalman。为此，只需将na.locf替换为您喜欢的函数的名称即可。
答案 6 :(得分：1)
自data.table v1.12.4起，该软件包具有nafill()功能，类似于tidyr::fill()或zoo::na.locf()，您可以执行以下操作：
require(data.table)
setDT(df)
df[ , price := nafill(price, type = 'locf'), houseID ]
还有setnafill()，尽管不允许 group by ，但多列。
setnafill(df, type = 'locf', cols = 'price')
数据来自@G。格洛腾迪克的答案：
df = data.frame(houseID = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L,
2L, 3L, 3L, 3L, 3L, 3L),
year = c(1995L, 1996L, 1997L, 1998L, 1999L, 1995L, 1996L,
1997L, 1998L, 1999L, 1995L, 1996L, 1997L, 1998L, 1999L),
price = c(NA, 100L, NA, 120L, NA, NA, NA, NA, 30L, NA, NA, 44L,
NA, NA, NA))