如何使用 R 中基于面板数据的客户 ID 的所有列的中值插补填充缺失值?

Posted

技术标签:

【中文标题】如何使用 R 中基于面板数据的客户 ID 的所有列的中值插补填充缺失值?【英文标题】:How to fill missing values using median imputation in R for all the columns based on a customer id for panel data? 【发布时间】:2017-07-04 15:31:03 【问题描述】:
Customer id    Year     a      b
1              2000     10     2
1              2001     5      3
1              2002     NA     4
1              2003     NA     5
2              2000     2      NA
2              2001     NA     4  
2              2002     4      NA
2              2003     8      10
3              2000     9      NA 
3              2001     10     NA
3              2002     11     12

【问题讨论】:

zoo 对这种类型的东西有用...zoo::na.aggregate(d[c("a", "b")], d$Customerid, FUN=median) 【参考方案1】:

您可以执行以下操作:

require(dplyr)
impute_median <- function(x)
  ind_na <- is.na(x)
  x[ind_na] <- median(x[!ind_na])
  as.numeric(x)


dat %>% 
  group_by(Customer_id) %>% 
  mutate_at(vars(a, b), impute_median)

【讨论】:

我喜欢这里的dplyrmagrittr 的实现,但是当我运行它时,它似乎没有返回正确的中值。【参考方案2】:

data.table 解决方案:

dat[, `:=` (a= ifelse(is.na(a), median(a, na.rm=TRUE), a)
            b= ifelse(is.na(a), median(b, na.rm=TRUE), b)), by= "Customer_id"]

这应该而且现在比@Floo0 的上述解决方案更快,因为他对每一列进行两次扫描。

library(data.table)
library(microbenchmark)
set.seed(1234L)

dat <- data.frame(id= rep(c(1:10), each= 100),
                  a= rnorm(1000),
                  b= rnorm(1000))

dat[,2:3] <- apply(dat[,2:3], 2, function(j) 
  idx <- sample.int(1000, 100, replace=F)
  j[idx] <- NA
  return(j)
)

require(dplyr)
impute_median <- function(x)
  ind_na <- is.na(x)
  x[ind_na] <- median(x[!ind_na])
  as.numeric(x)



dat2 <- setDT(dat)

microbenchmark(Floo0= dat %>% 
    group_by(id) %>% 
    mutate_at(vars(a, b), impute_median),
    alex= dat[, `:=` (a= ifelse(is.na(a), median(a, na.rm=TRUE), a),
                      b= ifelse(is.na(a), median(b, na.rm=TRUE), b)), by= "id"])

Unit: milliseconds
  expr      min       lq     mean   median       uq     max neval cld
 Floo0 3.703411 3.851565 4.216543 3.947955 4.167063 7.67234   100   b
  alex 1.265559 1.430002 1.704431 1.486006 1.687710 5.21753   100  a 

【讨论】:

以上是关于如何使用 R 中基于面板数据的客户 ID 的所有列的中值插补填充缺失值?的主要内容,如果未能解决你的问题,请参考以下文章

基于其他列的列的SQL总和[关闭]

如何基于列值生成ID

我如何检查所有行是否在同一列中具有相似的数据

R语言vtreat包自动处理dataframe的缺失值计算数据列的均值和方差并基于均值和方差信息对数据列进行标准化缩放计算所有数据列的均值和方差对所有数据列进行标准化缩放

如何使用 dplyr 将累积列添加到 R 数据框?

在 R 闪亮中,如何指定用于绘图的反应对象列?