![](/img/trans.png)
[英]Skip na_interpolation on dplyr group/variable pairs with full NAs in R
[英]R: Interpolation of NAs by group
我想在数据帧的变量中执行线性插值,考虑到以下因素:1)两点之间的时间差,2)采集数据的时刻,以及3)用于测量变量的个人。
例如在下一个数据帧中:
df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
Individuals=c(1,1,1,1,1,1,1,2,2,2),
Value=c(1, 2, 3, NA, 5, NA, 7, 5, NA, 7))
df
我想获得:
result <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
Individuals=c(1,1,1,1,1,1,1,2,2,2),
Value=c(1, 2, 3, 4, 5, 6, 7, 5, 5.5, 6))
result
我不能只使用包zoo
的功能na.approx
,因为所有观察值都不是连续的,有些观察值属于一个人,而其他观察值则属于其他人。 原因是因为如果第二个人第一次对NA
感到厌烦,而我将仅使用功能na.approx
,我将使用来自na.approx
individual==1
来插值individual==2
的NA
(例如下一个数据帧将出现此类错误)
df_2 <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
Individuals=c(1,1,1,1,1,1,1,2,2,2),
Value=c(1, 2, 3, NA, 5, NA, 7, NA, 5, 7))
df_2
我试过使用zoo
和dplyr
软件包:
library(dplyr)
library(zoo)
proof <- df %>%
group_by(Individuals) %>%
na.approx(df$Value)
但是我不能在zoo
对象中执行group_by
。
您知道如何按组对一个变量中的NA
值进行插值吗?
提前致谢,
使用data.frame
,而不是cbind
来创建数据。 cbind
返回一个矩阵,但是您需要dplyr
的数据帧。 然后在mutate
使用na.approx
。 我已经注释掉了group_by
,因为您没有在数据中提供分组变量,但是一旦您将分组变量添加到数据框中,该方法就应该起作用。
df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
Individuals=c(1,1,1,1,1,1,1,2,2,2),
Value=c(NA, 2, 3, NA, 5, NA, 7, 8, NA, 10))
library(dplyr)
library(zoo)
df %>%
group_by(Individuals) %>%
mutate(ValueInterp = na.approx(Value, na.rm=FALSE))
time Individuals Value ValueInterp 1 1 1 NA NA 2 2 1 2 2 3 3 1 3 3 4 4 1 NA 4 5 5 1 5 5 6 6 1 NA 6 7 7 1 7 7 8 1 2 8 8 9 2 2 NA 9 10 3 2 10 10
更新:要插入多个列,我们可以使用mutate_at
。 这是带有两个值列的示例。 我们使用mutate_at
在列名称中包含"Value"
所有列上运行na.approx
。 list(interp=na.approx)
告诉mutate_at
运行产生新的列名na.approx
并添加interp
作为后缀,以生成新的列名:
df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
Individuals=c(1,1,1,1,1,1,1,2,2,2),
Value1=c(NA, 2, 3, NA, 5, NA, 7, 8, NA, 10),
Value2=c(NA, 2, 3, NA, 5, NA, 7, 8, NA, 10)*2)
df %>%
group_by(Individuals) %>%
mutate_at(vars(matches("Value")), list(interp=na.approx), na.rm=FALSE)
time Individuals Value1 Value2 Value1_interp Value2_interp <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 1 1 1 NA NA NA NA 2 2 1 2 4 2 4 3 3 1 3 6 3 6 4 4 1 NA NA 4 8 5 5 1 5 10 5 10 6 6 1 NA NA 6 12 7 7 1 7 14 7 14 8 1 2 8 16 8 16 9 2 2 NA NA 9 18 10 3 2 10 20 10 20
如果您不想保留原始的未插值的列,则可以执行以下操作:
df %>%
group_by(Individuals) %>%
mutate_at(vars(matches("Value")), na.approx, na.rm=FALSE)
我们可以使用data.table
library(data.table)
library(zoo)
setDT(df1)[, ValueInterp:= na.approx(Value, na.rm=TRUE), by = Individual]
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.