修补丢失的数据格式值

Question

我有一个大数据集，其中包含几个缺失(NA)值。每个品种有3个重复。所以，如果我丢失了1，我可以把其他的2平均起来，用它来替换丢失的1。或者，如果只有一个已知的价值，使用它代替其他。我不知道从哪里开始，但我找到了一个简单的话题，但它适合python (理解https://stackoverflow.com/questions/29359134/in-pandas-how-can-i-patch-a-dataframe-with-missing-values-with-values-from-anot)

下面是一个数据框架示例：

A <- c(1, 1, 1, 5, 5, 5, 8, 8, 8)
B <- c(10, 20, 50, 100, 100, 50, 200, 300)
C <- c(10, 10, 10, 50, 50, 50, 100)
length(A)<-9; length(B)<-9; length(C)<-9
df <-cbind(A,B,C)  

这个想法是用A细胞中的8组B细胞的平均值来填充NA。在C细胞中，NA应由A细胞中仅有的8填充。在真实的数据集中，会有更多的NA组，我只是不知道如何制作这样的df :D

这似乎是一个简单的任务，我只是没有编码知识来解决这个问题。

提前感谢！

Answer 1

我觉得这应该能起作用。请注意，我事先将您的数据转换为数据帧对象。

A <- c(1, 1, 1, 5, 5, 5, 8, 8, 8)
B <- c(10, 20, 50, 100, 100, 50, 200, 300)
C <- c(10, 10, 10, 50, 50, 50, 100)
length(A)<-9; length(B)<-9; length(C)<-9

df <- data.frame(A,B,C)

library(dplyr)

newdf <- df %>% group_by(A) %>% mutate_all( ~ case_when(is.na(.) ~ mean(., na.rm=TRUE),
                                     TRUE ~ .))

mutate_all意味着将对所有列执行操作。如果您只想对某些列执行此操作，则使用mutate_at代替。

Answer 2

library(tidyverse)

df %>% 
  group_by(A) %>% 
  mutate(across(everything(), ~ replace_na(.x, mean(.x, na.rm = TRUE))))

# A tibble: 9 × 3
# Groups:   A [3]
      A     B     C
  <dbl> <dbl> <dbl>
1     1    10    10
2     1    20    10
3     1    50    10
4     5   100    50
5     5   100    50
6     5    50    50
7     8   200   100
8     8   300   100
9     8   250   100