Question

这是我的CSV数据样本。它包含~10列。

    Product_id    Product_Weight    Product_Name    Shop_Name ...
[1]    A             10                xxxx            Walmart
[2]    B             12                yyyy            Target
[3]    C             11                zzzz            Target
[4]    A             NA                xxxx            Walmart
[5]    C             NA                zzzz            Target

我想分别用10和11填充第4行和第5行中的NA（因为A和C的产品重量已经从第1行和第3行得知）。我希望最终的数据框像这样

    Product_id    Product_Weight    Product_Name    Shop_Name ...
[1]    A             10                xxxx            Walmart
[2]    B             12                yyyy            Target
[3]    C             11                zzzz            Target
[4]    A             10                xxxx            Walmart
[5]    C             11                zzzz            Target

在R中执行此操作的最佳方法是什么？

Answer 1

虽然问题是“先前发生”，但这样做会有一个缺点，即如果Product_Weight中的第一个Product_id为NA，那么即使我们无法填写我知道后续Product_Weight中的Product_id，所以我们采用相同Product_id的所有非NA的平均值而不是前一次出现。因为这些都应该是相同的，它们的平均值是它们的共同价值。

如果您确实想要上一次出现，请使用Prev函数，其中：

Prev <- function(x) na.locf(x, na.rm = FALSE)

代替（1）和（3）中的na.aggregate而不使用（2）。

以下解决方案具有以下优点：

保留输入的顺序
即使任何Product_Weight中的第一个Product_id为NA
不要修改输入

第一个解决方案的另一个优势是只有一行代码（加上library语句），第二个解决方案还有一个不使用任何软件包的优势。

1）zoo :: na.aggregate 我们在动物园包中使用na.aggregate（用非NA的平均值替换所有NAs）并将其应用于{{ 1}}分别为每个Product_Weight。

Product_id

，并提供：

library(zoo)
transform(DF, Product_Weight = ave(Product_Weight, Product_id, FUN = na.aggregate))

2）没有软件包或者使用Product_id Product_Weight Product_Name Shop_Name 1 A 10 xxxx Walmart 2 B 12 yyyy Target 3 C 11 zzzz Target 4 A 10 xxxx Walmart 5 C 11 zzzz Target代替Mean，其中na.aggregate定义为：

Mean

3）dplyr / zoo 按Mean <- function(x) replace(x, is.na(x), mean(x, na.rm = TRUE))添加行号，分组，使用Product_id填写新的解决方案，如下所示，或{{ 1}}，安排回原始订单并删除行号：

na.aggregate

注意：这用于输入Mean：

library(dplyr)
library(zoo)

DF %>% 
   mutate(row = row_number()) %>% 
   group_by(Product_id) %>% 
   mutate(Product_Weight = na.aggregate(Product_Weight)) %>% 
   ungroup() %>% 
   arrange(row) %>% 
   select(-row)

Answer 2

dplyr和tidyr的另一个选项：

library(dplyr); library(tidyr);
df %>% group_by(Product_id) %>% fill(Product_Weight)

Source: local data frame [5 x 4]
Groups: Product_id [3]

  Product_id Product_Weight Product_Name Shop_Name
      (fctr)          (int)       (fctr)    (fctr)
1          A             10         xxxx   Walmart
2          A             10         xxxx   Walmart
3          B             12         yyyy    Target
4          C             11         zzzz    Target
5          C             11         zzzz    Target

结果按Product_id排序。

Answer 3

以下是基本R命令的解决方案：

#   create lookup table with item and weight combinations
lookup<-unique(df[complete.cases(df[ ,1:2]),])

#     find the NAs needing replacement: which(is.na(df$weight))
#     find index in lookup tabe:match(df$a[which(is.na(df$weight))
#     subset: df$weight[which(is.na(df$weight))
df$weight[which(is.na(df$weight))]<-lookup$weight[match(df$Product_id[which(is.na(df$weight))], lookup$Product_id)]

很可能不如上面提到的dplyr / tidyr解决方案有效。

将NA替换为上一次出现

3 个答案: