使用R為另一個數據框中的值插入缺失數據的值

Question

所有，

我有一個問題，我擔心這可能太行人了，但在其他地方尋找它會讓我誤入歧途。 我可能沒有使用正確的搜索字詞。

我在R中有一個面板數據框（country-year），在給定變量上有一些缺失值。 我試圖用另一個數據框中另一個向量的值來估算它們。 這是我想要做的一個例子。

假設Data是感興趣的數據幀，它在我試圖從另一個施主數據幀推斷的給定向量上具有缺失值。 看起來像這樣。

country    year      x
  70       1920    9.234
  70       1921    9.234
  70       1922    9.234
  70       1923    9.234
  70       1924    9.234
  80       1920      NA
  80       1921      NA
  80       1922      NA
  80       1923      NA
  80       1924      NA
  90       1920    7.562
  90       1921    7.562
  90       1922    7.562
  90       1923    7.562
  90       1924    7.562

這將是Donor框架，其具有country == 80的值

country      x
  70       9.234
  80       1.523
  90       7.562

我試圖找到一種無縫的自動化方法，除了Data$x[Data$country == 80] <- 1.523 。 有很多國家在x上缺席。

可能值得澄清的是，簡單的merge將是最簡單的，但不一定適合我正在嘗試做的事情。 一些國家將在不同年份看到x變化。 基本上，我想要完成的是一個命令，如果某個國家/地區的所有年份的Data缺少x的值，請從Donor數據中獲取該國家/地區的相應值並將其粘貼到所有國家/地區年份作為各種“最好的猜測”。

感謝您的任何意見。 我懷疑這是一個菜鳥問題，但我不知道搜索它的正確術語。

以下數據的可重現代碼如下。

country <- c(70,70,70,70,70,80,80,80,80,80,90,90,90,90,90)
year <- c(1920,1921,1922,1923,1924,1920,1921,1922,1923,1924,1920,1921,1922,1923,1924)
x <- c(9.234,9.234,9.234,9.234,9.234,NA,NA,NA,NA,NA,7.562,7.562,7.562,7.562,7.562)

Data=data.frame(country=country,year=year,x=x)
summary(Data)

country <- c(70,80,90)
x <- c(9.234,1.523,7.562)
Donor=data.frame(country=country,x=x)
summary(Donor)

Answer 1

使用merge ：

r = merge(Data, Donor, by="country", suffixes=c(".Data", ".Donor"))
Data$x = ifelse(is.na(r$x.Data), r$x.Donor, r$x.Data)

如果出於某種原因想要覆蓋x的所有值看起來很糟糕，那么使用which只覆蓋NAs（具有相同的合並）：

r = merge(Data, Donor, by="country", suffixes=c(".Data", ".Donor"))
na.idx = which(is.na(Data$x))
Data[na.idx,"x"] = r[na.idx,"x.Donor"]

Answer 2

這是一個選項，通常應該工作：

#Get the vector of countries with missing x
country.na <- Data$country[is.na(Data$x)]
#Get corresponding location of x in Donor
index <- sapply(country.na, function(x) which(Donor$country == x))
#Replace NA values with corresponding values in Donor
Data$x[is.na(Data$x)] <- Donor$x[index]
Data
#    country year     x
# 1       70 1920 9.234
# 2       70 1921 9.234
# 3       70 1922 9.234
# 4       70 1923 9.234
# 5       70 1924 9.234
# 6       80 1920 1.523
# 7       80 1921 1.523
# 8       80 1922 1.523
# 9       80 1923 1.523
# 10      80 1924 1.523
# 11      90 1920 7.562
# 12      90 1921 7.562
# 13      90 1922 7.562
# 14      90 1923 7.562
# 15      90 1924 7.562