在矢量中找到最接近的匹配项以使用dplyr填充缺失值

时间:2018-01-08 02:27:51

标签: sql r dplyr nearest-neighbor

虚拟数据集是:

data <- data.frame(
  group = c(1,1,1,1,1,2),
  dates = as.Date(c("2005-01-01", "2006-05-01", "2007-05-01","2004-08-01",
            "2005-03-01","2010-02-01")),
  value = c(10,20,NA,40,NA,5)
)

对于每个group,缺失值需要使用与相同组中最近日期对应的非缺失值填充。如果出现平局,请选择任何一个。

我正在使用dplyr。来自birk的which.closest但它需要一个向量和一个值。如何在不写循环的情况下在向量内查找。即使有SQL解决方案,也可以。 任何指向解决方案的指针?

可能类似于:value = value[match(which.closest(dates,THISdate) & !is.na(value))] 不确定如何指定Thisdate

编辑:期望值向量应如下所示:

value = c(10,20,20,40,10,5)

2 个答案:

答案 0 :(得分:1)

使用类包中的knn1(最近邻居)(不需要安装它)和dplyr定义na.knn1函数,它替换{{}中的每个NA值。 1}}非NA x值最近x

time

,并提供:

library(class)

na.knn1 <- function(x, time) {
   is_na <- is.na(x)
   if (sum(is_na) == 0 || all(is_na)) return(x)
   train <- matrix(time[!is_na])
   test <- matrix(time[is_na])
   cl <- x[!is_na]
   x[is_na] <- as.numeric(as.character(knn1(train, test, cl)))
   x
}

data %>% mutate(value = na.knn1(value, dates))

如果打算按组执行此操作,请添加适当的 group dates value 1 1 2005-01-01 10 2 1 2006-05-01 20 3 1 2007-05-01 20 4 1 2004-08-01 40 5 1 2005-03-01 10 6 2 2010-02-01 5

答案 1 :(得分:0)

你可以尝试使用sapply来查找自`which.closest只取一个值的x参数以来最接近的值。

首先创建一个vect,其中没有值的日期会替换为NA,并在which.closest函数中使用它。

library(birk)
vect=replace(data$dates,which(is.na(data$value)),NA)
transform(data,value=value[sapply(dates,which.closest,vec=vect)])
  group      dates value
1     1 2005-01-01    10
2     1 2006-05-01    20
3     1 2007-05-01    20
4     1 2004-08-01    40
5     1 2005-03-01    10
6     2 2010-02-01     5

如果which.closest采用向量,那么就不需要sapply。但事实并非如此 使用dplyr包:

library(birk)
library(dplyr)
data%>%mutate(vect=`is.na<-`(dates,is.na(value)),
              value=value[sapply(dates,which.closest,vect)])%>%
     select(-vect)