Question

示例数据

df <- data.frame(id=c("A","A","A","A","B","B","B","B"),year=c(2014,2014,2015,2015),month=c(1,2),marketcap=c(4,6,2,6,23,2,5,34),return=c(NA,0.23,0.2,0.1,0.4,0.9,NA,0.6))

df1
   id year month marketcap return
1:  A 2014     1         4     NA
2:  A 2014     2         6   0.23
3:  A 2015     1         2   0.20
4:  A 2015     2         6   0.10
5:  B 2014     1        23   0.40
6:  B 2014     2         2   0.90
7:  B 2015     1         5     NA
8:  B 2015     2        34   0.60

所需数据

desired_df <- data.frame(id=c("A","A","A","A","B","B","B","B"),year=c(2014,2014,2015,2015),month=c(1,2),marketcap=c(4,6,2,6,23,2,5,34),return=c(0.23,0.23,0.2,0.1,0.4,0.9,0.75,0.6))

desired_df
  id year month marketcap return
1  A 2014     1         4   0.23
2  A 2014     2         6   0.23
3  A 2015     1         2   0.20
4  A 2015     2         6   0.10
5  B 2014     1        23   0.40
6  B 2014     2         2   0.90
7  B 2015     1         5   0.75
8  B 2015     2        34   0.60

我想通过id替换NA值与时间序列中的相邻值来插值返回。假设只有两个月：一年1,2。（B，2015,1）的第二个NA被0.75 =（0.9 + 0.6）/ 2取代由于没有以前的数据，因此（A，2014,1）的第一个NA被替换为0.23。

如果可能的话，

data.table解决方案是首选的

更新：使用如下代码结构（适用于样本）

df[,returnInterpolate:=na.approx(return,rule=2), by=id]

我遇到了错误：约（x [！na]，y [！na]，xout，...）中的错误：需要至少两个非NA值才能进行插值

我想可能有一些id没有非NA值要插值。。有什么建议？

Answer 1

library(data.table)
df <- data.frame(id=c("A","A","A","A","B","B","B","B"),
                 year=c(2014,2014,2015,2015),
                 month=c(1,2),
                 marketcap=c(4,6,2,6,23,2,5,34),
                 return=c(NA,0.23,0.2,0.1,0.4,0.9,NA,0.6))
setDT(df)
library(zoo)
df[, returnInterpol := na.approx(return, rule = 2), by = id]
#   id year month marketcap return returnInterpol
#1:  A 2014     1         4     NA           0.23
#2:  A 2014     2         6   0.23           0.23
#3:  A 2015     1         2   0.20           0.20
#4:  A 2015     2         6   0.10           0.10
#5:  B 2014     1        23   0.40           0.40
#6:  B 2014     2         2   0.90           0.90
#7:  B 2015     1         5     NA           0.75
#8:  B 2015     2        34   0.60           0.60

修改

如果您的群组只有NA个值，或者只有一个非NA，那么您可以这样做：

df <- data.frame(id=c("A","A","A","A","B","B","B","B","C","C","C","C"), year=c(2014,2014,2015,2015), month=c(1,2), marketcap=c(4,6,2,6,23,2,5,34, 1:4), return=c(NA,0.23,0.2,0.1,0.4,0.9,NA,0.6,NA,NA,0.3,NA)) setDT(df) df[, returnInterpol := switch(as.character(sum(!is.na(return))), "0" = return, "1" = {na.omit(return)}, na.approx(return, rule = 2)), by = id] # id year month marketcap return returnInterpol # 1: A 2014 1 4 NA 0.23 # 2: A 2014 2 6 0.23 0.23 # 3: A 2015 1 2 0.20 0.20 # 4: A 2015 2 6 0.10 0.10 # 5: B 2014 1 23 0.40 0.40 # 6: B 2014 2 2 0.90 0.90 # 7: B 2015 1 5 NA 0.75 # 8: B 2015 2 34 0.60 0.60 # 9: C 2014 1 1 NA 0.30 # 10: C 2014 2 2 NA 0.30 # 11: C 2015 1 3 0.30 0.30 # 12: C 2015 2 4 NA 0.30

Answer 2

简单的imputeTS解决方案，无需关心ID，将是：

library("imputeTS")
na.interpolate(df)

由于插补应该根据ID进行，因此稍微复杂一点-因为按ID过滤时，似乎常常剩下的值不足。我会采用罗兰（Roland）发布的解决方案，并在可能的情况下使用imputeTS::na.interpolation()，在其他情况下，也许可以使用imputeTS::na.mean()的总体均值或对总体边界imputeTS::na.random()的随机猜测。 >

在这种情况下，超越单变量时间序列插值/插值法可能也是一个好主意。还有许多其他变量可以帮助估计缺失值（如果存在相关性）。像AMELIA这样的软件包可以在这里提供帮助。

将NA值替换为时间系列中的相邻值或同一列 - data.table方法

2 个答案: