填充R中缺少的复制值

Question

我有6个副本，每组在每一天。正如您在下面的数据的子样本中所看到的那样，复制号(1-6)对于一些细胞来说是缺失的，但并不是所有的单元。对于Date集群中的每个组，我想用该集群缺少的复制值填充空单元格。例如，如果复制"3“是当前唯一标记的复制，我希望将该集群中剩余的5个单元标记为"1”、"2“、"4”、"5“和"6"，添加的复制不按特定顺序排列。

我拥有的数据如下：

   Date   Group Value   Replicate
8/8/2002    A   77.8         3
8/8/2002    A    0  
8/8/2002    A    0  
8/8/2002    A    0  
8/8/2002    A    0  
8/8/2002    A    0  
6/28/2003   A   88.9         1
6/28/2003   A   66.7         3
6/28/2003   A   44.4         4
6/28/2003   A   88.9         6
6/28/2003   A    0  
6/28/2003   A   144.4   
6/28/2006   B   988.9        2
6/28/2006   B    0  
6/28/2006   B    0  
6/28/2006   B    0  
6/28/2006   B    0  
6/28/2006   B    0  
8/5/2006    B   122.2        1
8/5/2006    B   11.1         2
8/5/2006    B   55.6         3
8/5/2006    B   55.6         4
8/5/2006    B   88.9         5
8/5/2006    B   177.8        6

我想让数据看起来像这样

Date    Group   Value   Replicate
8/8/2002    A   77.8      3
8/8/2002    A     0       1
8/8/2002    A     0       2
8/8/2002    A     0       4
8/8/2002    A     0       5
8/8/2002    A     0       6
6/28/2003   A   88.9      1
6/28/2003   A   66.7      3
6/28/2003   A   44.4      4
6/28/2003   A   88.9      6
6/28/2003   A     0       2
6/28/2003   A   144.4     5
6/28/2006   B   988.9     2
6/28/2006   B     0       3
6/28/2006   B     0       4
6/28/2006   B     0       5
6/28/2006   B     0       6
6/28/2006   B     0       1
8/5/2006    B   122.2     1
8/5/2006    B   11.1      2
8/5/2006    B   55.6      3
8/5/2006    B   55.6      4
8/5/2006    B   88.9      5
8/5/2006    B   177.8     6

是否有一种有效的方法来使用R(我的数据集有大约20,000行)来填充这些缺失的复制值？

Answer 1

您可以创建一个小的自定义函数来代替您，然后使用一些数据操作包(如dplyr )按日期组应用该函数。下面是一个例子：

library(dplyr)

f <- function(x) {
  na_idx <- which(is.na(x))
  unique_elements <- unique(x[-na_idx])
  set_diff <- setdiff(1:6, unique_elements)
  x[na_idx] <- set_diff
  x
}

df %>%
  group_by(Date) %>%
  mutate(Replicate = f(Replicate))  # you could add %>% ungroup if required

#Source: local data frame [24 x 4]
#Groups: Date
#
#        Date Group Value Replicate
#1   8/8/2002     A  77.8         3
#2   8/8/2002     A   0.0         1
#3   8/8/2002     A   0.0         2
#4   8/8/2002     A   0.0         4
#5   8/8/2002     A   0.0         5
#6   8/8/2002     A   0.0         6
#7  6/28/2003     A  88.9         1
#8  6/28/2003     A  66.7         3
#9  6/28/2003     A  44.4         4
#10 6/28/2003     A  88.9         6
#..       ...   ...   ...       ...

您可能可以用较少的行/键入来编写函数，但我发现每一行只需执行1次操作就更容易阅读和执行，因此我将保留它的原样。

注意:在读取数据时，我使用了fill = TRUE参数，因此空单元格("“条目)中填充了NA。如果需要将当前数据转换为该格式，则可以执行以下操作：

df[] <- lapply(df, function(x) {
  if(is.character(x)) {
    x[x == ""] <- NA; type.convert(x)
  } else x
  })

这很有用，因为在带有"“项的示例数据中，应该是数字的列是字符，因此不能将它们用于数学操作。

Answer 2

下面是另一种不使用dplyr或lapply的方法。

# http://stackoverflow.com/questions/9665984/how-to-delete-multiple-values-from-a-vector
# your.data is your data
dates <- unique(your.data$Date)
for(date in dates){
    this.date <- your.data[ which(your.data$Date == date), ]
    remove <- this.date$Replicate
    full.rep <- 1:6
    fill <- full.rep [! full.rep %in% remove]
    fill <- sample(fill) # randomize fill
    this.date[ which(!(this.date$Replicate %in% remove)), ]$Replicate <- fill
    your.data[ which(your.data$Date == date), ] <- this.date
}

Answer 3

使用data.table

require(data.table)
setkey(dt, Date)[is.na(Replicate), 
        Replicate := setdiff(1:6, dt[.(thisDate), Replicate]), 
        by=.(thisDate=Date)]

• 首先，通过做Replicate，得到NA是is.na(Replicate)的索引。
• 在dt的那些行中，Replicate是NA，我们按Date分组(我们将它重命名为另一个名称，以便在下一步的联接中使用它)。
• 因此，对于Replicate是NA的每一组行，在按thisDate分组时，我们首先通过执行一个基于连接的子集- dt[.(thisDate), Replicate]来提取所有Replicate值。然后setdiff(1:6, <all Replicate values>)只返回剩余的值。我们将它与Replicate和Replicate :=一起分配回

希望这能有所帮助。