如何按組估算數據表中的值？

Question

取得以下數據表：

# IMPUTING VALUES
library(data.table)
set.seed(1337)
mydt <- data.table(Year = rep(2000:2005, each = 10),
             Type = c("A","B"),
             Value = 30 + rnorm(60)
             )
naRows <- sample(nrow(mydt),15)
mydt[ naRows, Value := NA]
setkey(mydt,Year,Type)

我應該如何用Year和Type中位數來估算NA？ 我嘗試了以下

# computed medians
computedMedians <- mydt[, .(Median = median(Value, na.rm = TRUE)), keyby = .(Year,Type)]
# dataset of just NA rows
dtNAs <- mydt[ is.na(Value), .SD, by = .(Year,Type)]


mydt[ is.na(Value),
      Imputations := dtNAs[computedMedians, nomatch = 0][, Median], 
      by = .(Year,Type)]
mydt

但是當您運行代碼時，您會看到它是有效的，除非一組完全缺少數據，並且計算出的中位數會被回收。 有沒有更簡單的方法？ 或如何解決僅解決的最后一個錯誤？

Answer 1

如果您希望更新行而不復制整個列，那么：

require(data.table) # v1.9.6+
cols = c("Year", "Type")
dt[is.na(Value), Value := dt[.BY, median(Value, na.rm=TRUE), on=cols], by=c(cols)]

.BY是一個特殊符號，它是包含組的命名列表。 盡管這每次都需要與整個data.table聯接，但是它應該非常快，因為它僅搜索一組。

Answer 2

無需創建輔助表。 可以在單個按組調用中完成：

mydt[, 
  Value := replace(Value, is.na(Value), median(Value, na.rm=TRUE))
, by=.(Year,Type)]

這種推論不能保證所有缺失值都得到填充（例如2005-B仍然是NA ）。