在 R 中使用 ROLLING 均值插補缺失值

Question

我是 R 的新手並且正在努力解決問題。

我需要一個函數來根據給定大小的窗口內元素的平均值來估算向量中的缺失值。

但是，這個窗口會移動，因為假設我的NA在位置 30，我的窗口大小是 10，應該計算x[20:40]的平均值。 因此，對於每個找到的NA ，窗口均值會有所不同。

我一直在嘗試這個：

impute.to.window.mean <- function(x, window) {

  na.idx <- is.na(x)  #find missing values in x

  for (na in na.idx) {

    y <- (x[na]-window):(x[na]+window)
    na.idx[na] <- mean(y, na.rm = TRUE)
  }

  return(x)
}

但這不正確，我不知道如何繼續。

Answer 1

您可能需要考慮使用imputeTS包。 以下是使用簡單移動平均線和 4 窗口填充值的示例：

x <- rnorm(100)
x[c(7, 21, 33)] <- NA

imputeTS::na.ma(x, k = 4, weighting = "simple")

Answer 2

使用 zoo::rollapply 這可以在一個語句中完成。 我們在這個例子中使用了一個長度為 5 的窗口（當前點的兩側各 2 個）：

library(zoo)

x <- replace(1:20, c(4, 6, 10, 15), NA) # test data


rollapply(c(NA, NA, x, NA, NA), 5, 
    function(x) if (is.na(x[3])) mean(x, na.rm = TRUE) else x[3])

給予：

 [1]  1.000000  2.000000  3.000000  3.333333  5.000000  6.666667  7.000000
 [8]  8.000000  9.000000 10.000000 11.000000 12.000000 13.000000 14.000000
[15] 15.000000 16.000000 17.000000 18.000000 19.000000 20.000000

Answer 3

使用 R 基：

df <- data.frame(x = sample(c(1:10,NA),1000, replace = T))
window <- 10

lapply(1:(nrow(df)-window), function(x) ifelse(is.na(df[x,'x']),mean(df[x:(x+10),'x'],na.rm=T),df[x,'x']))

我唯一的區別是我現在期待這些價值觀。 但是您可以將其更改為您的規格。

Answer 4

你的索引有點偏離

impute.to.window.mean <- function(x, window) {
  na.idx <- which(is.na(x))  #find missing values in x

  for (na in na.idx) {
    y <- sort(x[(na - window):(na + window)])
    x[na] <- mean(y)
  }

  return(x)
}

演練一個例子

set.seed(1)
x <- sample(10)
na <- 6
x[na] <- NA
# [1]  3  4  5  7  2 NA  9  6 10  1

window <- 3L

我使用sort是因為它一步刪除NA ； 你想要這個向量的平均值，它是落在window中的所有值

sort(x[(na - window):(na + window)])
# [1]  2  5  6  7  9 10

mean(sort(x[(na - window):(na + window)]))
# [1] 6.5

立即測試您的功能

impute.to.window.mean(x, window)
# [1]  3.0  4.0  5.0  7.0  2.0  6.5  9.0  6.0 10.0  1.0

---

編輯

實際上，您可能應該使用

y <- sort(x[pmax(1L, (na - window)):pmin(length(x), (na + window))])

相反，對於NA發生在 2 處的情況，並且您的窗口 > 1

## current version
impute.to.window.mean(x, 10)
# Error in x[(na - window):(na + window)] : 
#   only 0's may be mixed with negative subscripts

## version with pmax/pmin
impute.to.window.mean(x, 10)
# [1]  3.000000  4.000000  5.000000  7.000000  2.000000  5.222222  9.000000  6.000000 10.00000 1.000000

mean(sort(x))
# [1] 5.222222

impute.to.window.mean <- function(x, window) {
  na.idx <- which(is.na(x))  #find missing values in x

  for (na in na.idx) {
    # y <- sort(x[(na - window):(na + window)])
    y <- sort(x[pmax(1L, (na - window)):pmin(length(x), (na + window))])
    x[na] <- mean(y)
  }

  return(x)
}

Answer 5

"Caret" 包的 preProcess 函數有一個名為 "knnImpute" 的方法，正是這樣做的。 搏一搏。