按因子列计算data.frame组中的变量

Question

我有一个data.frame包含数字列，这些列具有我希望通过...来计算缺失值的因子级别...让我解释一下。

part   id   value
a      1     23.4
a      2     23.8
a      3     45.6
a      4     34.7
a      5     Na
b      1     45.2
b      2     34.6
b      3     Na
b      4     30.9
b      5     28.1

我想用部件的平均值来估算NA值。 因此，对于a部分，我想将id 5缺失值与part a中的id 1-4的平均值相比较，并且对于b部分相同，将缺少的id3与b部分中的id的平均值相等。

我需要在许多列中执行此操作（想象有更多的值列）。 所以也许适用于功能等。

Answer 1

在read.table/read.csv使用na.strings参数，我们可以将缺失值转换为实际NA ，从而将'value'列读为'numeric'。 使用dplyr ，我们可以replace该列的mean更改多个值列中的NAs 。

library(dplyr)
df1 %>%
    group_by(part) %>%
    mutate_each(funs(replace(., which(is.na(.)), mean(., na.rm=TRUE))), 
       starts_with('value'))

或者data.table的类似选项

library(data.table)
nm1 <- grep('value', names(df1))
setDT(df1)[, (nm1) := lapply(.SD,  function(x) replace(x,
     which(is.na(x)), mean(x, na.rm=TRUE))), by = part,.SDcols=nm1]

数据

df1 <- read.table(text="part   id   value
a      1     23.4
a      2     23.8
a      3     45.6
a      4     34.7
a      5     Na
b      1     45.2
b      2     34.6
b      3     Na
b      4     30.9
b      5     28.1", header=TRUE, na.strings="Na", stringsAsFactors=FALSE)