我正在尝试在R中构建一个函数，在该函数中，我可以根据一些规范对原始数据帧进行子集化，然后将该子集数据帧转换为比例表。
不幸的是，对于某些我没有数据的特定规范，其中一些子设置会产生一个空的数据框。因此无法计算比例表。因此，我想做的是采取最接近的时间步长，从中我获得一个非空的子集数据帧，并将其用作空的子集数据帧的输入。
以下是对我的数据框和功能的一些见解：
我的原始数据框看起来像+/-，如下所示：
| year | quarter | area | time_comb | no_individuals | lenCls | age |
|------|---------|------|-----------|----------------|--------|-----|
| 2005 | 1 | 24 | 2005.1.24 | 8 | 380 | 3 |
| 2005 | 2 | 24 | 2005.2.24 | 4 | 490 | 2 |
| 2005 | 1 | 24 | 2005.1.24 | 3 | 460 | 6 |
| 2005 | 1 | 21 | 2005.1.21 | 25 | 400 | 2 |
| 2005 | 2 | 24 | 2005.2.24 | 1 | 680 | 6 |
| 2005 | 2 | 21 | 2005.2.21 | 2 | 620 | 5 |
| 2005 | 3 | 21 | 2005.3.21 | NA | NA | NA |
| 2005 | 1 | 21 | 2005.1.21 | 1 | 510 | 5 |
| 2005 | 1 | 24 | 2005.1.24 | 1 | 670 | 4 |
| 2006 | 1 | 22 | 2006.1.22 | 2 | 750 | 4 |
| 2006 | 4 | 24 | 2006.4.24 | 1 | 660 | 8 |
| 2006 | 2 | 24 | 2006.2.24 | 8 | 540 | 3 |
| 2006 | 2 | 24 | 2006.2.24 | 4 | 560 | 3 |
| 2006 | 1 | 22 | 2006.1.22 | 2 | 250 | 2 |
| 2006 | 3 | 22 | 2006.3.22 | 1 | 520 | 2 |
| 2006 | 2 | 24 | 2006.2.24 | 1 | 500 | 2 |
| 2006 | 2 | 22 | 2006.2.22 | NA | NA | NA |
| 2006 | 2 | 21 | 2006.2.21 | 3 | 480 | 2 |
| 2006 | 1 | 24 | 2006.1.24 | 1 | 640 | 5 |
| 2007 | 4 | 21 | 2007.4.21 | 2 | 620 | 3 |
| 2007 | 2 | 21 | 2007.2.21 | 1 | 430 | 3 |
| 2007 | 4 | 22 | 2007.4.22 | 14 | 410 | 2 |
| 2007 | 1 | 24 | 2007.1.24 | NA | NA | NA |
| 2007 | 2 | 24 | 2007.2.24 | NA | NA | NA |
| 2007 | 3 | 24 | 2007.3.22 | NA | NA | NA |
| 2007 | 4 | 24 | 2007.4.24 | NA | NA | NA |
| 2007 | 3 | 21 | 2007.3.21 | 1 | 560 | 4 |
| 2007 | 1 | 21 | 2007.1.21 | 7 | 300 | 3 |
| 2007 | 3 | 23 | 2007.3.23 | 1 | 640 | 5 |
此处年，季度和区域是指特定时间（年份和季度）和X编号不适用的区域。测量的个人人数（ no_individuals ）。例如，从第一行中我们可以得出，在2005年第一季度的24区中，我有8个个体，这些个体属于380 mm的长度等级（ lenCLs ），年龄为3岁。值得一提的是，对于特定的年份，季度和区域组合，我可以使用不同的长度级别和年龄（因此，多行）！
因此，我要做的基本上是将特定年份，季度和面积组合的原始数据框子集化，然后从该组合中根据每个长度类别中的个体数量来计算比例表。
到目前为止，我的基本功能如下：
LAK <- function(df, Year="2005", Quarter="1", Area="22", alkplot=T){
require(FSA)
# subset alk by year, quarter and area
sALK <- subset(df, year==Year & quarter==Quarter & area==Area)
dfexp <- sALK[rep(seq(nrow(sALK)), sALK$no_individuals), 1:ncol(sALK)]
raw <- t(table(dfexp$lenCls, dfexp$age))
key <- round(prop.table(raw, margin=1), 3)
return(key)
if(alkplot==TRUE){
alkPlot(key,"area",xlab="Age")
}
}
从上面的数据集示例中，我们可以注意到，对于 year = 2005＆Quarter = 3＆area = 21 ，我没有任何可衡量的个体。但是，对于同一区域 AND 年，我有第1季度或第2季度的数据。最合理的假设是从最近的时间步中获取子集数据帧（第2季度的相同区域和年），然后从“ no_individuals ”，“ lenCls ”和“ age ”列中替换NA。
还请注意，在某些情况下，我没有特定年份的数据！在上面的示例中，可以通过查看2007年的区域24来看到这一点。在这种情况下，我不能借用最近一个季度的信息，而需要借用上一年的信息。这意味着对于 year = 2007＆area = 24＆Quarter = 1 ，我会借用 year = 2006＆area = 24＆Quarter 1 的信息，依此类推等等。
我试图通过指定一些额外的规则将其包含在我的函数中，但是由于我的编程技巧很差，所以我没有取得任何进展。
因此，这里的任何帮助将非常。
这是我要更新的LAK函数：
LAK <- function(df, Year="2005", Quarter="1", Area="22", alkplot=T){
require(FSA)
# subset alk by year, quarter and area
sALK <- subset(df, year==Year & quarter==Quarter & area==Area)
# In case of empty dataset
#if(is.data.frame(sALK) && nrow(sALK)==0){
if(sALK[rowSums(is.na(sALK)) > 0,]){
warning("Empty subset combination; data will be subsetted based on the
nearest timestep combination")
FIXME: INCLDUE IMPUTATION RULES HERE
}
dfexp <- sALK[rep(seq(nrow(sALK)), sALK$no_individuals), 1:ncol(sALK)]
raw <- t(table(dfexp$lenCls, dfexp$age))
key <- round(prop.table(raw, margin=1), 3)
return(key)
if(alkplot==TRUE){
alkPlot(key,"area",xlab="Age")
}
}
答案 0 :(得分：1)
因此，我终于想出了解决问题的部分方法，并将在此处包含我的功能，以防某些人感兴趣：
LAK <- function(df, Year="2005", Quarter="1", Area="22",alkplot=T){
require(FSA)
# subset alk by year, quarter, area and species
sALK <- subset(df, year==Year & quarter==Quarter & area==Area)
print(sALK)
if(nrow(sALK)==1){
warning("Empty subset combination; data has been subsetted to the nearest input combination")
syear <- unique(as.numeric(as.character(sALK$year)))
sarea <- unique(as.numeric(as.character(sALK$area)))
sALK2 <- subset(df, year==syear & area==sarea)
vals <- as.data.frame(table(sALK2$comb_index))
colnames(vals)[1] <- "comb_index"
idx <- which(vals$Freq>1)
quarterId <- as.numeric(as.character(vals[idx,"comb_index"]))
imput <- subset(df,year==syear & area==sarea & comb_index==quarterId)
dfexp2 <- imput[rep(seq(nrow(imput)), imput$no_at_length_age), 1:ncol(imput)]
raw2 <- t(table(dfexp2$lenCls, dfexp2$age))
key2 <- round(prop.table(raw2, margin=1), 3)
print(key2)
if(alkplot==TRUE){
alkPlot(key2,"area",xlab="Age")
}
} else {
dfexp <- sALK[rep(seq(nrow(sALK)), sALK$no_at_length_age), 1:ncol(sALK)]
raw <- t(table(dfexp$lenCls, dfexp$age))
key <- round(prop.table(raw, margin=1), 3)
print(key)
if(alkplot==TRUE){
alkPlot(key,"area",xlab="Age")
}
}
}
当我有至少一个特定的Year＆Area组合的四分之一的数据时，这解决了我的问题。但是，当我没有特定年份和地区组合的数据时，我仍在努力寻找处理方法。在这种情况下，我需要从最近的年份借用数据，该数据包含同一区域所有季度的数据。 对于上面暴露的示例，这意味着对于year = 2007＆area = 24＆Quarter = 1，我将借用Year = 2006＆area = 24＆Quarter 1的信息，依此类推。
答案 1 :(得分：0)
我不知道您是否曾经遇到过MICE，但这是一个非常酷而全面的变量插补工具。它还允许您查看估算数据的分布方式，以便选择最适合您的问题的方法。选中this brief explanation和the original package description