Question

每个日期我每组有6个重复。正如您在下面数据的子样本中所看到的，某些但不是所有单元格都缺少重复数（1-6）。对于Date集群中的每个Group，我想使用该集群缺少的复制值填充空单元格。例如，如果复制“3”是当前标记的唯一复制品，我想将该簇中剩余的5个单元格标记为“1”，“2”，“4”，“5”和“6”，添加的重复项不按特定顺序排列。

数据我看起来像这样：

   Date   Group Value   Replicate
8/8/2002    A   77.8         3
8/8/2002    A    0  
8/8/2002    A    0  
8/8/2002    A    0  
8/8/2002    A    0  
8/8/2002    A    0  
6/28/2003   A   88.9         1
6/28/2003   A   66.7         3
6/28/2003   A   44.4         4
6/28/2003   A   88.9         6
6/28/2003   A    0  
6/28/2003   A   144.4   
6/28/2006   B   988.9        2
6/28/2006   B    0  
6/28/2006   B    0  
6/28/2006   B    0  
6/28/2006   B    0  
6/28/2006   B    0  
8/5/2006    B   122.2        1
8/5/2006    B   11.1         2
8/5/2006    B   55.6         3
8/5/2006    B   55.6         4
8/5/2006    B   88.9         5
8/5/2006    B   177.8        6

我希望数据看起来像这样

Date    Group   Value   Replicate
8/8/2002    A   77.8      3
8/8/2002    A     0       1
8/8/2002    A     0       2
8/8/2002    A     0       4
8/8/2002    A     0       5
8/8/2002    A     0       6
6/28/2003   A   88.9      1
6/28/2003   A   66.7      3
6/28/2003   A   44.4      4
6/28/2003   A   88.9      6
6/28/2003   A     0       2
6/28/2003   A   144.4     5
6/28/2006   B   988.9     2
6/28/2006   B     0       3
6/28/2006   B     0       4
6/28/2006   B     0       5
6/28/2006   B     0       6
6/28/2006   B     0       1
8/5/2006    B   122.2     1
8/5/2006    B   11.1      2
8/5/2006    B   55.6      3
8/5/2006    B   55.6      4
8/5/2006    B   88.9      5
8/5/2006    B   177.8     6

是否有一种有效的方法可以使用R填充这些丢失的重复值（我的数据集有大约20,000行）？

Answer 1

你可以创建一个小的自定义函数来替换你，然后使用像dplyr这样的数据操作包来按日期组来应用函数。这是一个例子：

library(dplyr)

f <- function(x) {
  na_idx <- which(is.na(x))
  unique_elements <- unique(x[-na_idx])
  set_diff <- setdiff(1:6, unique_elements)
  x[na_idx] <- set_diff
  x
}

df %>%
  group_by(Date) %>%
  mutate(Replicate = f(Replicate))  # you could add %>% ungroup if required

#Source: local data frame [24 x 4]
#Groups: Date
#
#        Date Group Value Replicate
#1   8/8/2002     A  77.8         3
#2   8/8/2002     A   0.0         1
#3   8/8/2002     A   0.0         2
#4   8/8/2002     A   0.0         4
#5   8/8/2002     A   0.0         5
#6   8/8/2002     A   0.0         6
#7  6/28/2003     A  88.9         1
#8  6/28/2003     A  66.7         3
#9  6/28/2003     A  44.4         4
#10 6/28/2003     A  88.9         6
#..       ...   ...   ...       ...

你可能用较少的行/输入来编写函数，但我发现它更容易阅读并遵循每行1次操作，因此我将保持原样。

注意：在读取数据时，我使用了fill = TRUE参数，以便用NA填充空单元格（＆＃34;＆＃34;条目）。如果您需要将当前数据转换为该格式，您可以执行以下操作：

df[] <- lapply(df, function(x) {
  if(is.character(x)) {
    x[x == ""] <- NA; type.convert(x)
  } else x
  })

这很有用，因为在样本数据中使用＆＃34;＆＃34;条目，应为数字的列是字符，因此您不能将它们用于数学运算。

Answer 2

这是另一种应该做的技巧，不使用dplyr或lapply

# http://stackoverflow.com/questions/9665984/how-to-delete-multiple-values-from-a-vector
# your.data is your data
dates <- unique(your.data$Date)
for(date in dates){
    this.date <- your.data[ which(your.data$Date == date), ]
    remove <- this.date$Replicate
    full.rep <- 1:6
    fill <- full.rep [! full.rep %in% remove]
    fill <- sample(fill) # randomize fill
    this.date[ which(!(this.date$Replicate %in% remove)), ]$Replicate <- fill
    your.data[ which(your.data$Date == date), ] <- this.date
}

Answer 3

使用data.table：

require(data.table)
setkey(dt, Date)[is.na(Replicate), 
        Replicate := setdiff(1:6, dt[.(thisDate), Replicate]), 
        by=.(thisDate=Date)]

首先，我们通过Replicate获取NA为is.na(Replicate)的索引。
在dt Replicate为NA的{{1}}行中，我们按Date分组（我们将其重命名为另一个名称，以便我们可以在加入下一步）。
因此，对于按Replicate分组NA为thisDate的每一行，我们首先通过执行基于连接的子集提取所有Replicate值 - dt[.(thisDate), Replicate]。然后setdiff(1:6, <all Replicate values>)只返回剩余的值。我们使用Replicate

Replicate :=

希望这有帮助。

填写R中缺少的重复值

3 个答案: