如何估算距离值

时间:2018-12-21 18:07:01

标签: r imputation

我想用最接近的非NA值的“行距离”填充缺失值。换句话说,如何将示例数据框中的x列转换为y列?

#    x y
#1   0 0
#2  NA 1
#3   0 0
#4  NA 1
#5  NA 2
#6  NA 1
#7   0 0
#8  NA 1
#9  NA 2
#10 NA 3
#11 NA 2
#12 NA 1
#13  0 0

我似乎找不到dplyr group_by和mutate row_number()语句的正确组合来达到目的。我研究的各种插补包都是为使用统计数据和其他变量进行插补的更复杂的方案而设计的。

d<-data.frame(x=c(0,NA,0,rep(NA,3),0,rep(NA,5),0),y=c(0,1,0,1,2,1,0,1,2,3,2,1,0))

3 个答案:

答案 0 :(得分:5)

我们可以使用

d$z = sapply(seq_along(d$x), function(z) min(abs(z - which(!is.na(d$x)))))
#     x y z
# 1   0 0 0
# 2  NA 1 1
# 3   0 0 0
# 4  NA 1 1
# 5  NA 2 2
# 6  NA 1 1
# 7   0 0 0
# 8  NA 1 1
# 9  NA 2 2
# 10 NA 3 3
# 11 NA 2 2
# 12 NA 1 1
# 13  0 0 0

如果要在dplyr中执行此操作,可以将sapply部分包裹在mutate中。

d %>%
   mutate(z = sapply(seq_along(x), function(z) min(abs(z - which(!is.na(x))))))

或者,也使用library(purrr)(感谢@Onyambu):

d %>% mutate(m=map_dbl(1:n(),~min(abs(.x-which(!is.na(x))))))

答案 1 :(得分:3)

这是使用data.table

的一种方法
library(data.table)
setDT(d)
d[, out := pmin(cumsum(is.na(x)), rev(cumsum(is.na(x)))), by = rleid(is.na(x))]
d
#     x y out
# 1:  0 0   0
# 2: NA 1   1
# 3:  0 0   0
# 4: NA 1   1
# 5: NA 2   2
# 6: NA 1   1
# 7:  0 0   0
# 8: NA 1   1
# 9: NA 2   2
#10: NA 3   3
#11: NA 2   2
#12: NA 1   1
#13:  0 0   0

对于每个NA的组,我们计算cumsum(is.na(x))的平行最小值及其倒数。之所以可行,是因为所有非NA的组中的值为0。如果要继续使用setDF(d),请致电data.frame

我们也可以做两次计算而不是cumsum(is.na(x))

d[, out := {
  tmp <- cumsum(is.na(x))
  pmin(tmp, rev(tmp))
  }, by = rleid(is.na(x))]

这可能会提高性能,但我没有进行测试。


使用dplyr语法,它将显示为

library(dplyr)
d %>% 
  group_by(grp = data.table::rleid(is.na(x))) %>% 
  mutate(out = pmin(cumsum(is.na(x)), rev(cumsum(is.na(x))))) %>% 
  ungroup()
# A tibble: 13 x 4
#       x     y   grp   out
#   <dbl> <dbl> <int> <int>
# 1     0     0     1     0
# 2    NA     1     2     1
# 3     0     0     3     0
# 4    NA     1     4     1
# 5    NA     2     4     2
# 6    NA     1     4     1
# 7     0     0     5     0
# 8    NA     1     6     1
# 9    NA     2     6     2
#10    NA     3     6     3
#11    NA     2     6     2
#12    NA     1     6     1
#13     0     0     7     0

base R

中的想法相同
rle_x <- rle(is.na(d$x))
grp <- rep(seq_along(rle_x$lengths), times = rle_x$lengths)

transform(d, out = ave(is.na(x), grp, FUN = function(i) pmin(cumsum(i), rev(cumsum(i)))))

答案 2 :(得分:0)

这是使用vapply

的解决方案
d$y <- 0
d$y[is.na(d$x)] <- vapply(which(diff(cumsum(is.na(d$x))) != 0), 
                          function (k) min(abs(which(diff(cumsum(is.na(d$x))) == 0) - k)), 
                          numeric(1))
d
    x y
1   0 0
2  NA 1
3   0 0
4  NA 1
5  NA 2
6  NA 1
7   0 0
8  NA 1
9  NA 2
10 NA 3
11 NA 2
12 NA 1
13  0 0

d <- structure(list(x = c(0, NA, 0, NA, NA, NA, 0, NA, NA, NA, NA, NA, 0)), 
               class = "data.frame", row.names = c(NA, -13L))