使用 mutate_at 在 R 中输入多列

Question

我有一个大型医疗数据框，我想用于机器学习。 因此，我必须估算缺失值。 对于连续变量，我想放置中值，如下所示：

dat$First_Wbc <- ifelse(is.na(dat$First_Wbc), median2(dat$First_Wbc), dat$First_Wbc)

我想使用 mutate_at 创建一个代码，它的作用与我上面提供的代码相同，但一次用于多个变量。 我知道这是可能的，但到目前为止我还没有能够正确地格式化它。 你能帮我么？

注意：median2() 是一个与median() 相同的函数，但它忽略了缺失值

Answer 1

您可以按位置选择列：

library(dplyr)
df %>% mutate_at(2:4, ~replace(., is.na(.), median2(.)))

或者按列的范围

df %>% mutate_at(vars(a:d), ~replace(., is.na(.), median2(.)))

或者在列名中使用特定模式。

df %>% mutate_at(vars(starts_with('col')), ~replace(., is.na(.), median2(.)))

Answer 2

基础 R 解决方案：

dat[,sapply(dat, is.numeric)] <- lapply(dat[,sapply(dat, is.numeric)], 
                                        function(x){
                                         x <- ifelse(is.na(x), median(x, na.rm  = TRUE), x)
                                          }
                                        )

Tidyverse 使用 mutate_if：

library(tidyverse)
df %>% 
  mutate_if(is.numeric, funs(replace(., is.na(.), median(., na.rm = TRUE))))

Answer 3

我们可以将mutate_if与na.aggregate mutate_if使用

library(dplyr)
library(zoo)
df %>% 
   mutate_if(is.numeric, na.aggregate, FUN = median)

Answer 4

说到整洁的解决方案，我真的很喜欢naniar包，它提供了许多处理缺失数据的有用方法。

例如，在这里估算您可以执行的所有数字列中的中位数：

library(tidyverse)
library(naniar)

df %>%
  impute_median_if(is.numeric)

impute_median_all() 、 impute_mean_if()和许多很棒的缺失数据可视化带来了更多的附加值。