Question

我的数据是这个

train <- data.frame(y=c(1,2,1,1), x1=c(2,4,NA,5), x2=c(8,NA,6,12))

我需要用该列的平均值替换每个x变量的缺失值（NA），但是平均值必须使用该x变量的值进行计算，该x变量的对应y值等于该行的y值缺失的价值。

例如：在x1列的NA所在的行中，y值等于1，因此该缺失值应替换为2到5之间的平均值（这是y为x的x1值）也是1）。

我的代码是这样的，但均值不是有条件的：

for(i in 1:ncol(train)){
  train[is.na(train[,i]), i] <- mean(train[,i], na.rm = TRUE)
}

Answer 1

library(dplyr)
train %>%
    group_by(y) %>%
    mutate_at(vars(-y), function(v){
        if_else(is.na(v), mean(v, na.rm = TRUE), v)
    }) %>%
    ungroup()
## A tibble: 4 x 3
#      y    x1    x2
#  <dbl> <dbl> <dbl>
#1     1   2       8
#2     2   4     NaN
#3     1   3.5     6
#4     1   5      12

Answer 2

按“ y”列分组后，我们可以使用na.aggregate

library(dplyr)
library(zoo)
train %>%
  group_by(y) %>%
   mutate_at(vars(-one_of(group_vars(.))),
             ~if(all(is.na(.))) NA_real_ else na.aggregate(.))
# A tibble: 4 x 3
# Groups:   y [2]
#      y    x1    x2
#  <dbl> <dbl> <dbl>
#1     1   2       8
#2     2   4      NA
#3     1   3.5     6
#4     1   5      12

或在基于{y1列} na.aggregate将数据集放入split个list中的data.frame后应用train[-1] <- unsplit(lapply(split(train[-1], train$y), na.aggregate), train$y)

-k

Answer 3

请考虑使用ave来确定是否将ifelse的条件包裹在NA中的分组平均值：

# ITERATE THROUGH ALL COLUMNS BUT FIRST
for(i in c("x1", "x2")) {    
    train[[i]] <- ifelse(test = is.na(train[[i]]), 
                         yes = ave(train[[i]], train$y, FUN=function(x) mean(x, na.rm=TRUE)), 
                         no = train[[i]])
}

train   
#   y  x1  x2
# 1 1 2.0   8
# 2 2 4.0 NaN
# 3 1 3.5   6
# 4 1 5.0  12

R中多列的条件均值

3 个答案: