Question

我想用同一列中不同组的匹配值替换列中的NAs。

示例数据

data = data.frame(groupID = c(rep("A", 4), rep("B", 4)),
              date = seq(as.Date("2000-01-01"), by = "day", length.out = 4),
              value = c(1, 2, 3, NA, 7, NA, 9, 10))

# groupID date       value
# A       2000-01-01     1
# A       2000-01-02     2
# A       2000-01-03     3
# A       2000-01-04    NA
# B       2000-01-01     7
# B       2000-01-02    NA
# B       2000-01-03     9
# B       2000-01-04    10

value列缺少应由具有相同时间戳（来自date列）但来自另一组的数据填充的数据，即来自groupID {{的数据丢失1}}应替换为组A中的相应值，反之亦然。

所需输出

我尝试了什么

我试图保持我的数据整洁，但我想出的唯一工作方法是通过groupID传播数据，然后使用# groupID date value # A 2000-01-01 1 # A 2000-01-02 2 # A 2000-01-03 3 # A 2000-01-04 10 # B 2000-01-01 7 # B 2000-01-02 2 # B 2000-01-03 9 # B 2000-01-04 10（或ifelse）变异，并再次收集数据，如下所示：

case_when

我想拥有什么

但是由于数据集中有＆gt; 2个组和要处理的＆gt; 1值列，我希望有一个替代方案，我可以在管道中的mutate调用中使用，而不需要扩展/收集步骤。

一般来说，有没有办法按data %>% spread(., key = groupID, value = value) %>% mutate(., A = ifelse(is.na(A), B, A), B = ifelse(is.na(B), A, B)) %>% gather(., key = "groupID", value = "value", -date)进行分组，然后与groupID或类似地调用mutate，其中RHS与case_when匹配value date }？
更具体地说，是否有一种直接的方法可以使用mutate中的函数来指定groupID的首选排名来填充空白？比如说，我们有A，B，C，D组，A中缺少的值应首先由C组（如果可用）填充，然后由D组（如果可用）填充，而不是D组中的值？

通过匹配dplyr中的组内的列来填充NAs

0 个答案: