我有一个按日期降序排列的数据框。
ps1 = data.frame(userID = c(21,21,21,22,22,22,23,23,23),
color = c(NA,'blue','red','blue',NA,NA,'red',NA,'gold'),
age = c('3yrs','2yrs',NA,NA,'3yrs',NA,NA,'4yrs',NA),
gender = c('F',NA,'M',NA,NA,'F','F',NA,'F')
)
我希望用之前的值来推算(替换)NA值 并按用户ID分组 如果userID的第一行具有NA,则替换为该用户ID组的下一组值。
我正在尝试使用类似这样的dplyr和zoo软件包......但它无法正常工作
cleanedFUG <- filteredUserGroup %>%
group_by(UserID) %>%
mutate(Age1 = na.locf(Age),
Color1 = na.locf(Color),
Gender1 = na.locf(Gender) )
我需要这样的结果:
userID color age gender
1 21 blue 3yrs F
2 21 blue 2yrs F
3 21 red 2yrs M
4 22 blue 3yrs F
5 22 blue 3yrs F
6 22 blue 3yrs F
7 23 red 4yrs F
8 23 red 4yrs F
9 23 gold 4yrs F
答案 0 :(得分:32)
require(tidyverse) #fill is part of tidyr
ps1 %>%
group_by(userID) %>%
fill(color, age, gender) %>% #default direction down
fill(color, age, gender, .direction = "up")
这给了你:
Source: local data frame [9 x 4]
Groups: userID [3]
userID color age gender
<dbl> <fctr> <fctr> <fctr>
1 21 blue 3yrs F
2 21 blue 2yrs F
3 21 red 2yrs M
4 22 blue 3yrs F
5 22 blue 3yrs F
6 22 blue 3yrs F
7 23 red 4yrs F
8 23 red 4yrs F
9 23 gold 4yrs F
答案 1 :(得分:2)
直接在整个data.frame上使用zoo::na.locf
将填充NA,无论userID
组如何。遗憾的是,dplyr的分组对na.locf
函数没有影响,这就是我分裂的原因:
library(dplyr); library(zoo)
ps1 %>% split(ps1$userID) %>%
lapply(function(x) {na.locf(na.locf(x), fromLast=T)}) %>%
do.call(rbind, .)
#### userID color age gender
#### 21.1 21 blue 3yrs F
#### 21.2 21 blue 2yrs F
#### 21.3 21 red 2yrs M
#### 22.4 22 blue 3yrs F
#### 22.5 22 blue 3yrs F
#### 22.6 22 blue 3yrs F
#### 23.7 23 red 4yrs F
#### 23.8 23 red 4yrs F
#### 23.9 23 gold 4yrs F
它的作用是首先将数据拆分为3个data.frames,然后我应用第一次插补(向下),然后向上使用lapply
中的匿名函数,最后使用{{1将data.frames重新组合在一起。你有预期的输出。
答案 2 :(得分:2)
将@agenis方法与na.locf()
结合使用purrr
,您可以这样做:
library(purrr)
library(zoo)
ps1 %>%
slice_rows("userID") %>%
by_slice(function(x) {
na.locf(na.locf(x), fromLast=T) },
.collate = "rows")
答案 3 :(得分:1)
几年下来,我发现情况已经改变。 使用@StevenBeaupré的方法,
1)添加na.rm=F
确保没有行被删除/排除。
2)slide_rows()
函数可以在purrrlyr
包中找到。
library(purrrlyr)
library(zoo)
ps1 %>%
slice_rows("userID") %>%
by_slice(function(x) {
na.locf(na.locf(x, na.rm=F), fromLast=T, na.rm=F) },
.collate = "rows")
答案 4 :(得分:0)
我编写了此函数,它肯定比填充更快,并且可能比na.locf更快:
fill_NA <- function(x) {
which.na <- c(which(!is.na(x)), length(x) + 1)
values <- na.omit(x)
if (which.na[1] != 1) {
which.na <- c(1, which.na)
values <- c(values[1], values)
}
diffs <- diff(which.na)
return(rep(values, times = diffs))
}