[英]linear interpolation with dplyr but skipping groups with all missing values
[英]Linear Interpolation using dplyr
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。
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。
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)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.