用序列中的缺失值替换 NA (R)

Posted 2023-03-12

【中文标题】用序列中的缺失值替换 NA (R)

【英文标题】：Replace NAs with missing values in sequence (R)

【发布时间】：2021-10-11 00:05:53

【问题描述】：

我有一个像这样的DF

现在我想将 Col B = NA 替换为 15，因为这是缺失值。 Col C 第一个 NA 为 14，第二个 NA 为 15。 Col D 第一个 NA 为 13，第二个 NA 为 14，第三个 NA 为 15。 所以数字遵循从上到下或从下到上的顺序。

可重现的样本数据

structure(list(`Col A` = c(11, 12, 13, 14, 15), `Col B` = c(NA, 
11, 12, 13, 14), `Col C` = c(NA, NA, 11, 12, 13), `Col D` = c(NA, 
NA, NA, 11, 12)), row.names = c(NA, -5L), class = c("tbl_df", 
"tbl", "data.frame"))

【参考方案1】：

我认为您可以在tidyverse 中使用以下解决方案：

library(dplyr)
library(purrr)

df[1] %>%
  bind_cols(map_dfc(2:length(df), function(x) 
    df[[x]][which(is.na(df[[x]]))] <- setdiff(df[[1]], df[[x]][!is.na(df[[x]])])
    df[x]
  ))

# A tibble: 5 x 4
  `Col A` `Col B` `Col C` `Col D`
    <dbl>   <dbl>   <dbl>   <dbl>
1      11      15      14      13
2      12      11      15      14
3      13      12      11      15
4      14      13      12      11
5      15      14      13      12

或者在 base R 中我们可以这样做：

do.call(cbind, Reduce(function(x, y) 
  i <- which(is.na(df[[y]]))
  df[[y]][i] <- sort(setdiff(x, df[[y]]))
  df[[y]]
, init = df[[1]], 2:length(df), accumulate = TRUE)) |>
  as.data.frame() |>
  setNames(paste0("Col", LETTERS[1:length(df)]))

  ColA ColB ColC ColD
1   11   15   14   13
2   12   11   15   14
3   13   12   11   15
4   14   13   12   11
5   15   14   13   12

【讨论】：

绝妙的答案！亲爱的朋友

【参考方案2】：

你可以试试：

df[is.na(df)] <- head(tm <- toeplitz(rev(df$ColA))[upper.tri(tm, diag = TRUE)], sum(is.na(df)))

这给出了：

  ColA ColB ColC ColD
1   11   15   14   13
2   12   11   15   14
3   13   12   11   15
4   14   13   12   11
5   15   14   13   12

【参考方案3】：

试试下面的代码

df[-1] <- lapply(
  df[-1],
  function(x) 
    replace(x, is.na(x), df[[1]][is.na(match(df[[1]], x))])
  
)

你会得到

> df
# A tibble: 5 x 4
  `Col A` `Col B` `Col C` `Col D`
    <dbl>   <dbl>   <dbl>   <dbl>
1      11      15      14      13
2      12      11      15      14
3      13      12      11      15
4      14      13      12      11
5      15      14      13      12

【讨论】：

真正优雅简洁。

【参考方案4】：

如果序列是恒定的（在这种情况下从 11 到 15），那么使用 dplyr 的一个选项可能是：

df %>%
 mutate(across(everything(), ~ if_else(is.na(.), max(., na.rm = TRUE) + cumsum(is.na(.)), .)))

  `Col A` `Col B` `Col C` `Col D`
    <dbl>   <dbl>   <dbl>   <dbl>
1      11      15      14      13
2      12      11      15      14
3      13      12      11      15
4      14      13      12      11
5      15      14      13      12

如果顺序可能不同，那么一种选择可能是：

df %>%
 mutate(across(-1, 
               ~ if_else(is.na(.),
                         cumsum(is.na(.)) - 1 + last(pull(select(cur_data(), which(names(cur_data()) == cur_column()) - 1))),
                         .)))

或者：

df %>%
 mutate(across(-1, 
               ~ if_else(is.na(.),
                         cumsum(is.na(.)) - 1 + last(get(paste0("Col ", LETTERS[which(names(cur_data()) == cur_column()) - 1]))),
                         .)))