Question

我已经研究了一段时间，可以蛮力解决问题，但是我正在寻找一种更具可扩展性的方法。

基本问题是：如何仅替换某些NA，但避免更改由于数据序列尚未开始而应保留为NA的NA？这是一个示例：

可复制的示例

    library(tidyverse)

    # Create dummy data
    dates  <- seq.Date(as.Date("2019-01-01"), as.Date("2019-01-10"), by = 1)
    item_1 <- c(rep(NA,1), 1:7, NA, 8) 
    item_2 <- c(rep(NA,4), 1:3, rep(NA,2), 9) 
    item_3 <- c(rep(NA,3), 8:11, rep(NA,2), 2) 
    item_4 <- c(rep(NA,2), 1:6, rep(NA,2))

    df <- data.frame(dates, item_1, item_2, item_3, item_4)

    >df
        dates item_1 item_2 item_3 item_4
1  2019-01-01     NA     NA     NA     NA
2  2019-01-02      1     NA     NA     NA
3  2019-01-03      2     NA     NA      1
4  2019-01-04      3     NA      8      2
5  2019-01-05      4      1      9      3
6  2019-01-06      5      2     10      4
7  2019-01-07      6      3     11      5
8  2019-01-08      7     NA     NA      6
9  2019-01-09     NA     NA     NA     NA
10 2019-01-10      8      9      2     NA


# Replace NAs with zero  --------------------
df_2 <- df %>%
  replace(., is.na(.), 0)

    > df_2
        dates item_1 item_2 item_3 item_4
1  2019-01-01      0      0      0      0
2  2019-01-02      1      0      0      0
3  2019-01-03      2      0      0      1
4  2019-01-04      3      0      8      2
5  2019-01-05      4      1      9      3
6  2019-01-06      5      2     10      4
7  2019-01-07      6      3     11      5
8  2019-01-08      7      0      0      6
9  2019-01-09      0      0      0      0
10 2019-01-10      8      9      2      0


# Go back and replace the NAs that existed before the data of each row started

# Where the data first started (unique rows of first non-NA value)
list_of_1st_non_NAs <- unique(unlist( lapply( seq_len(ncol(df)), function(x) which( !is.na(df[,x]) )[1] ) ))

# Return data frame to show where values first start
df_3 <- df[list_of_1st_non_NAs, ] %>%
  arrange(dates)

这就是我被困住的地方。我可以看到数据从哪里开始，因此可以用蛮力方式为各个列再次用NA替换先前的数据，但是我正在寻找一种更系统地执行此操作的方法。也许有些应用lapply？

谢谢！

所需的输出

        dates item_1 item_2 item_3 item_4
1  2019-01-01     NA     NA     NA     NA
2  2019-01-02      1     NA     NA     NA
3  2019-01-03      2     NA     NA      1
4  2019-01-04      3     NA      8      2
5  2019-01-05      4      1      9      3
6  2019-01-06      5      2     10      4
7  2019-01-07      6      3     11      5
8  2019-01-08      7      0      0      6
9  2019-01-09      0      0      0      0
10 2019-01-10      8      9      2      0

Answer 1

这里是dplyr的一种方式-

df %>% 
  mutate_at(-1, ~replace(., is.na(.) & cumsum(!is.na(.)) > 0, 0))

        dates item_1 item_2 item_3 item_4
1  2019-01-01     NA     NA     NA     NA
2  2019-01-02      1     NA     NA     NA
3  2019-01-03      2     NA     NA      1
4  2019-01-04      3     NA      8      2
5  2019-01-05      4      1      9      3
6  2019-01-06      5      2     10      4
7  2019-01-07      6      3     11      5
8  2019-01-08      7      0      0      6
9  2019-01-09      0      0      0      0
10 2019-01-10      8      9      2      0

由于@Frank：is.na(.) & cummax(!is.na(.))

，替换条件略短一些

当存在应保留的NA时，跨数据帧填充数据

1 个答案: