基于分组数据帧内另一列中的多个观测值的比较，有条件地将值分配给列中的NAs

Question

下面是我的示例数据框(代码和输出)，其中包括来自我的实际数据框的相关列：

example <- data.frame(contig=c("Contig1", "Contig1", "Contig1", "Contig1", "Contig1", "Contig2", "Contig2", "Contig2", "Contig2", "Contig2", "Contig2", "Contig2", "Contig3", "Contig3", "Contig3", "Contig3", "Contig3", "Contig3", "Contig3", "Contig3"),
                  pos=c(500, 650, 750, 1000, 2000, 500, 4100, 5000, 5300, 6100, 6400, 7500, 600, 3800, 4500, 5000, 5500, 6100, 7000, 8000),
                  av=c(NA, 12, NA, NA, NA, NA, NA, 20, NA, NA, 25, NA, NA, 55, NA, NA, NA, 56, NA, NA))

​

​

目前，只有一些观察值为av，而许多观察值为NA。我想分配av的值来替换NA，并使用两个不同的方法来实现这一点，这样我以后就可以比较这两个方法的结果，但是我不知道如何实现这两个方法。

首先，我想要替换NA，以便在contig内(即数据帧应按contig分组)，如果具有av的pos的观察值在具有av值的观察值的1000内，则NA将被<代码>d15的值替换。在同一NA上的另一个pos(具有av值)的1000个范围内没有pos的任何contig s将保留为NA。

其次，我想替换NAs，但条件是pos不超过具有av值的pos的1000，但仍在contig组内。许多contig组将只有一个具有av值的观察值，因此此av值可以替换该contig组中的所有NA(我认为na.locf()会这样做)。但是，一些contig组有多个具有av值的观察值，因此对于这些组，我想为NA分配观察值的av值，使pos更接近它自己的pos值。

下面是示例数据帧的两种方法的期望输出。

方法1

​

​

方法2

​

​

Answer 1

只需输入数据帧进行推算即可。将方法参数更改为"method1“或"method2”。如果dataframe不是相同的结构，它将不会工作，因为我已经通过索引引用了列，例如1用于重叠，2用于pos，3用于av。

impute_av = function(df, method){

  sapply(1:nrow(df), function(i){

    if(is.na(df[i,3])){

      if(method == "method1"){
        y = df[df[,1] == df[i,1] & df[,2] < df[i,2] + 1000 & df[,2] > df[i,2] - 1000, 2:3, drop=F]
      } else if(method == "method2"){
        y = df[df[,1] == df[i,1], 2:3, drop=F]
      }

      y = y[!is.na(y[,2]),,drop=F]

      if(nrow(y) == 0){
        df[i,3]
      } else {
        y[which.min(abs(y[,1] - df[i,2])), 2]
      }

    } else df[i,3]

  })

}