Question

我想在给定现有值的情况下为变量计算缺失值。在var2中，我们注意到有很多NA个。

如果任何2个ID相同，则var2的值相同。
如果ID没有var2的值，就像id == 2那样，那么我们只输出NA。

它应该从df_old到df_new.

 df_old<- read.table(header = TRUE, text = "
 id  var1  var2 
  1  A       12    
  1  B       NA    
  1  E       NA    
  2  G       NA
  2  J       NA
 ")

df_new<- read.table(header = TRUE, text = "
id  var1  var2 
 1  A       12    
 1  B       12    
 1  E       12    
 2  G       NA
 2  J       NA
")

我试过了：

df_new<-df_old %>%
        group_by(id) %>%
        mutate(var2=na.omit(var2))

我认为由于第二种情况，它不起作用。我也想知道使用ifelse是否合适。需要帮助谢谢！

Answer 1

如果每个var2只有一个id值，您可以这样做：

df_old %>%
  group_by(id) %>%
  mutate(var2 = min(var2, na.rm = TRUE))

Source: local data frame [5 x 3]
Groups: id [2]

     id   var1  var2
  <int> <fctr> <int>
1     1      A    12
2     1      B    12
3     1      E    12
4     2      G    NA
5     2      J    NA

另一种选择是：

mutate(var2 = var2[1])

Answer 2

我们可以使用data.table，但与dplyr不同，对于拥有所有NA的群组，我们必须指定要返回的NA，否则它会提供Inf

library(data.table)
setDT(df_old)[, var2 := if(any(!is.na(var2))) min(var2, na.rm = TRUE) 
            else NA_integer_, by = id]
df_old    
#    id var1 var2
#1:  1    A   12
#2:  1    B   12
#3:  1    E   12
#4:  2    G   NA
#5:  2    J   NA

Answer 3

到目前为止，CRAN中有可用的tidyimpute软件包，看来可以解决问题了

“用于在表和列表中插入缺失值（NA）的函数和方法仿照“ dplyr”和“ rlang”的整理方法；与...合作 data.tables。”

https://cran.r-project.org/web/packages/tidyimpute/tidyimpute.pdf

如何使用dplyr在R中输入缺失的变量？

3 个答案: