[英]dplyr replace NA with median after grouping
我正在为 PCA 准备一个数据集,我的所有变量都是数字,因此我可以计算所有变量的中位数。
我有两个分组变量。 我需要计算该组的中位数(假设第一组是 CATEGORIA=6 和 Dpto='A' 等)并使用此值替换带有 NA 的单元格,我的代码是:
for (j in 10:46){
consolidado1<-consolidado%>%
group_by(CATEGORIA,Dpto,.add=T)%>%
mutate_at(vars(j),~ ifelse(is.na(.),median(consolidado[,j],na.rm=T), .))
}
然而,它并没有取代任何东西,每当我尝试测试 j 的某些值时,例如:
consolidado1<-consolidado%>%
group_by(CATEGORIA,Dpto,.add=T)%>%
mutate_at(vars(11),~ ifelse(is.na(.),median(consolidado[,11],na.rm=T), .))
NA 不是用组中位数代替,而是用整列的中位数代替。
这样做的正确方法是什么? 如何正确提取组中位数?
当您从数据框( consolidado[,11]
)中子集列时consolidado[,11]
它返回整个数据框列并且不考虑组,因此您得到整列的median
。 您可以使用.
引用列值并从中获取分组median
。
library(dplyr)
consolidado1 <- consolidado %>%
group_by(CATEGORIA,Dpto) %>%
mutate(across(10:46, ~ ifelse(is.na(.),median(.,na.rm=TRUE), .)))
#With `mutate_at`
#mutate_at(10:46,~ ifelse(is.na(.),median(.,na.rm=TRUE), .))
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.