[英]Replace multiple NA values with a correct values from a different set of columns
[英]Replace NA's in set of columns by values from another set of columns using dplyr
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!
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
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
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.