使用dplyr将列集中的NA替换为另一列集中的值

Question

我发现了一些相关的问题，这些问题对某些问题有所帮助，但在关键方面各有不同，所以就到这里了。

我有一个带有某些NA的数据框：

type <- LETTERS[1:5]
a_pc <- c(3, NA, NA , 4, 5)
b_pc <- c(NA, 2, 7, 4, 5)
a_pc_mean <- rep(mean(a_pc, na.rm = TRUE), times = 5)
b_pc_mean <- rep(mean(b_pc, na.rm = TRUE), times = 5)

df <- data.frame(type, a_pc, b_pc, a_pc_mean, b_pc_mean)

> df
  type a_pc b_pc a_pc_mean b_pc_mean
1    A    3   NA         4       4.5
2    B   NA    2         4       4.5
3    C   NA    7         4       4.5
4    D    4    4         4       4.5
5    E    5    5         4       4.5

我想将a_pc和b_pc列中的NA替换为其相应的均值列中的值。 我认为一种干净的方法是使用dplyr。 到目前为止，我的代码是：

library(dplyr)

df2 <- df %>%
  mutate_at(.vars = vars(ends_with("_pc")),
            .funs = funs(replace(., is.na(.), ???)

我在问号所在的地方需要参考带有方法的列，但是我无法弄清楚是什么。 我对dplyr的理解是. 引用vars(ends_with("_pc"))的列，所以我尝试将paste0粘贴在一起. 和"_mean" ，但这没有用。 这个问题很接近我的问题，但它要求用固定值代替，而不是花药列中的值。

我的实际数据集有两列以上要替换NA的列，因此我不希望明确引用它们。

编辑

我上面的原始问题并未说明我想做什么，因此为澄清起见，我发布了一个数据样本：

 > crime_pop
   subregion                 iso    year assault kidnapping      pop assault_pc kidnapping_pc
   <fct>                     <chr> <dbl>   <dbl>      <dbl>    <dbl>      <dbl>         <dbl>
 1 Caribbean                 ABW    2008      NA         NA   101353 NA           NA         
 2 Southern Asia             AFG    2008      NA         NA 27294031 NA           NA         
 3 Middle Africa             AGO    2008      NA         NA 21759420 NA           NA         
 4 Southern Europe           ALB    2008     363         10  2947314  0.000123     0.00000339
 5 Southern Europe           AND    2008     105          0    83861  0.00125      0         
 6 Western Asia              ARE    2008     631        672  6894278  0.0000915    0.0000975 
 7 South America             ARG    2008  145240         NA 40382389  0.00360     NA         
 8 Western Asia              ARM    2008     201         27  2908220  0.0000691    0.00000928
 9 Caribbean                 ATG    2008      NA         NA    92478 NA           NA         
10 Australia and New Zealand AUS    2008   68019        611 21249200  0.00320      0.0000288 

我的想法是通过计算没有丢失数据的国家的人均犯罪率，对这些国家的人均犯罪率进行插值，将其的次区域平均值求平均值，然后将其应用于具有丢失的数据。

要计算我使用的人均犯罪率：

crime_pop <- crime_pop %>%
  mutate_at(.vars = vars(assault:kidnapping),
            .funs = funs(pc = . / pop))

然后可以使用@Psidom的答案来计算子区域均值：

crime_pop2 <- crime_pop %>%
  group_by(year, subregion) %>%
  mutate_at(vars(ends_with("_pc")),
            funs(replace(., is.na(.), mean(., na.rm = TRUE))))

现在，NA处于assault和kidnapping需要分别用pop和assault_pc以及pop和kidnapping_pc assault_pc的乘积代替，这使我回到了原来的问题，即当在mutate_at使用时，在replace函数中引用其他列。 也许有一种更简单的方法可以一次性完成所有这些工作，我愿意提出建议。 谢谢！

Answer 1

只需使用mean(., na.rm=TRUE)作为替换：

df %>% mutate_at(vars(ends_with('_pc')), funs(replace(., is.na(.), mean(., na.rm=TRUE))))

#  type a_pc b_pc a_pc_mean b_pc_mean
#1    A    3  4.5         4       4.5
#2    B    4  2.0         4       4.5
#3    C    4  7.0         4       4.5
#4    D    4  4.0         4       4.5
#5    E    5  5.0         4       4.5

或者，您可以使用执行相同操作的coalesce ，即，如果来自中的值. 是NA，将其替换为均值：

df %>% mutate_at(vars(ends_with('_pc')), funs(coalesce(., mean(., na.rm=TRUE))))

#  type a_pc b_pc a_pc_mean b_pc_mean
#1    A    3  4.5         4       4.5
#2    B    4  2.0         4       4.5
#3    C    4  7.0         4       4.5
#4    D    4  4.0         4       4.5
#5    E    5  5.0         4       4.5

Answer 2

这是一个使用'dplyr :: select'提取名称变量并将其传递给'Hmisc'包中的'impute'的解决方案。

bar   <- df  %>% dplyr::select(ends_with('_pc')) %>% 
sapply(., Hmisc::impute,fun= mean) 
df[, colnames(bar)] <- bar
df
#  type a_pc b_pc a_pc_mean b_pc_mean
#1    A    3  4.5         4       4.5
#2    B    4  2.0         4       4.5
#3    C    4  7.0         4       4.5
#4    D    4  4.0         4       4.5
#5    E    5  5.0         4       4.5