使用 dplyr 进行线性插值

Question

我正在尝试使用zoo库中的na.approx()函数（与xts结合使用）为多个具有多次测量的个体从重复测量数据中插入缺失值。

样本数据...

event.date <- c("2010-05-25", "2010-09-10", "2011-05-13", "2012-03-28", "2013-03-07",    
                "2014-02-13", "2010-06-11", "2010-09-10", "2011-05-13", "2012-03-28",
                "2013-03-07", "2014-02-13")
variable   <- c("neck.bmd", "neck.bmd", "neck.bmd", "neck.bmd", "neck.bmd", "neck.bmd",
                "wbody.bmd", "wbody.bmd", "wbody.bmd", "wbody.bmd", "wbody.bmd", "wbody.bmd")
value      <- c(0.7490, 0.7615, 0.7900, 0.7730, NA, 0.7420, 1.0520, 1.0665, 1.0760,
                1.0870, NA, 1.0550)
## Bind into a data frame
df <- data.frame(event.date, variable, value)
rm(event.date, variable, value)
## Convert date
df$event.date <- as.Date(df$event.date)
## Load libraries
library(magrittr)
library(xts)
library(zoo)

我可以使用xts()和na.approx()为给定人的单个结果插入一个缺失的数据点......

## Subset one variable
wbody <- subset(df, variable == "wbody.bmd")
## order/index and then interpolate
xts(wbody$value, wbody$event.date) %>%
  na.approx()
2010-06-11 1.052000
2010-09-10 1.066500
2011-05-13 1.076000
2012-03-28 1.087000
2013-03-07 1.070977
2014-02-13 1.055000

返回矩阵并不理想，但我可以解决这个问题。 不过，我遇到的主要问题是我对多人有多种结果。 我，也许天真地认为，由于这是一个拆分-应用-组合问题，所以我可以利用dplyr以下列方式实现这一目标......

## Load library
library(dplyr)
## group and then arrange the data (to ensure dates are correct)
df %>%
  group_by(variable) %>%
    arrange(variable, event.date) %>%
      xts(.$value, .$event.date) %>%
        na.approx()

xts(., .$value, .$event.date) 中的错误：order.by 需要一个适当的基于时间的对象

似乎dplyr不能很好地与xts / zoo ，我花了几个小时四处寻找有关如何在 R 中插入缺失数据点的教程/示例，但我发现的只是单个案例示例到目前为止，我一直无法找到有关如何为多人的多个站点执行此操作的任何信息（我意识到我可以通过将我的数据重新整形来使其成为多人问题，但这仍然无法解决我的问题我遇到了）。

任何关于如何进行的想法/建议/见解将不胜感激。

谢谢

编辑：澄清某些功能来自zoo包。

Answer 1

我采用的解决方案基于@docendodiscimus 的第一条评论

而不是像我一直在做的那样尝试创建一个新的数据框，只是通过利用dplyr的mutate()函数向现有数据框添加列。

我的代码现在...

df %>%
  group_by(variable) %>%
    arrange(variable, event.date) %>%
      mutate(ip.value = na.approx(value, maxgap = 4, rule = 2))

maxgap允许maxgap四个连续的NA ，而rule选项允许外推到侧翼时间点。

Answer 2

使用approx()函数进行线性插值：

df %>%
  group_by(variable) %>%
    arrange(variable, event.date) %>%
    mutate(time=seq(1,n())) %>%
      mutate(ip.value=approx(time,value,time)$y) %>%
      select(-time)

或非线性插值的spline函数：

df %>%
  group_by(variable) %>%
    arrange(variable, event.date) %>%
    mutate(time=seq(1,n())) %>%
      mutate(ip.value=spline(time,value ,n=n())$y) %>%
      select(-time)