如何在R中的for循环中使用ifelse

Question

我必须检查data.frame中所有变量的名称，如果找到匹配，则需要用中位数替换该变量中的NA值，而其他变量则用平均值替换NAs。

data.frame cyl_spec有11个变量，我必须替换NA，如下所示：

1. 粘度:用中间值计算
2. 蜡:用正中位推测
3. 其他人:用刻薄来指责

当然，我可以通过一次选择一个变量来做到这一点，但是我尝试了以下代码：

attach(cyl_spec)
var <- colnames(cyl_spec)
for(val in var)
{
  if(val == 'viscosity'){viscosity[is.na(viscosity == T)] <- median(viscosity, na.rm = T)}
  else if(val == 'wax'){wax[is.na(wax == T)] <- median(wax, na.rm = T)}
  else {val[is.na(val == T)] <- mean(val, na.rm = T)}
}
detach(cyl_spec)

不知何故，代码没有执行任何操作，而且我仍然使用以下命令在变量中获得相同的NA值：

sum(is.na(cyl_spec$viscosity) 

此外，当我运行这段代码时，我会收到以下警告消息：

Warning messages:
1: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA
2: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA
3: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA
4: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA
5: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA
6: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA
7: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA
8: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA
9: In mean.default(val, na.rm = T) :
  argument is not numeric or logical: returning NA

有人能帮我找到解决这个问题的办法吗，我被困住了！提前谢谢！！

Answer 1

您不需要一个循环来完成这个任务。此外，测试na值的正确语法是is.na(var)，而不是is.na(var == TRUE)。最后，如果您想避免键入数据文件的名称，则需要使用一些函数(比如with或dplyr函数)。在这里，R正在寻找一个名为viscosity的对象，因为它是cyl_spec中一个列的名称(其他变量名也是如此)，所以在哪里都找不到它。

cyl_spec$viscosity[is.na(cyl_spec$viscosity)] <- median(cyl_spec$viscosity, na.rm = T)
cyl_spec$wax[is.na(cyl_spec$wax)] <- median(cyl_spec$wax, na.rm = T)
cyl_spec$val[is.na(cyl_spec$val)] <- mean(cyl_spec$val, na.rm = T)

如果您只需要处理这个data.frame，并且只处理这三个变量，我强烈建议您坚持这个基-r解决方案。但是，如果您希望在具有更多变量的数据框架上执行此操作，并且希望将其自动化，则可以查看dplyr::mutate_each。下面是一个有模拟数据的例子。

我们用7个变量创建一个data.frame，并分配一些NA值。

library(dplyr)

set.seed(10)
df <- data.frame(n=runif(100),
                 m=runif(100),
                 d=runif(100),
                 o=runif(100),
                 e=runif(100),
                 f=runif(100),
                 g=runif(100))

df <- mutate_each(df,funs(ifelse(.>.8,NA,.)))

head(df)

           n          m         d           o         e          f         g
1 0.50747820 0.34434350 0.2230884 0.347860110        NA         NA        NA
2 0.30676851 0.06132255 0.5358950 0.007992606 0.6855115         NA 0.7478783
3 0.42690767 0.36897981 0.6625291 0.401344915 0.6296311         NA 0.7225419
4 0.69310208 0.40759356        NA 0.588350693 0.7508252 0.29063776 0.5457709
5 0.08513597         NA 0.1491831          NA        NA 0.07203601 0.2641231
6 0.22543662         NA 0.6700994 0.708542599 0.3600703 0.55888842 0.3057243

现在，我们对每个变量应用一个函数，从平均值或中值推断NA值：

df <- df %>%
## Which variables are to be recoded with mean? here, n and m
  mutate_each(funs(ifelse(is.na(.),mean(.,na.rm = TRUE),.)),n,m) %>% 
## Which variables are to be recoded with median? here, d,o,e,f,g
  mutate_each(funs(ifelse(is.na(.),median(.,na.rm = TRUE),.)),d,o,e,f,g)

head(df)

           n          m         d           o         e          f         g
1 0.50747820 0.34434350 0.2230884 0.347860110 0.3602354 0.39956699 0.4499041
2 0.30676851 0.06132255 0.5358950 0.007992606 0.6855115 0.39956699 0.7478783
3 0.42690767 0.36897981 0.6625291 0.401344915 0.6296311 0.39956699 0.7225419
4 0.69310208 0.40759356 0.4407363 0.588350693 0.7508252 0.29063776 0.5457709
5 0.08513597 0.40892568 0.1491831 0.378731867 0.3602354 0.07203601 0.2641231
6 0.22543662 0.40892568 0.6700994 0.708542599 0.3600703 0.55888842 0.3057243

Answer 2

尽管@scoa已经回答了，但是如果您仍然希望使用for循环来完成这个任务，只需去掉attach和detach函数，然后执行以下操作：

var <- names(cyl_spec)           #get column names
cols <- c('viscosity', 'wax')    #get the required columns
for(val in var) 
{ 
  #loop over the required columns.
  # Where it equals our required, use median, and mean elsewhere
  for(i in 1:length(cols))
    {
      if(is.element(cols[i], val))
        { 
           #get out rows with na values
           na_rows <- is.na(cyl_spec[, val])
           cyl_spec[na_rows,val] <- median(cyl_spec[,val], na.rm = T)
         }
      else
        {
          #get out rows with na values
          na_rows <- is.na(cyl_spec[, val])
          cyl_spec[na_rows,val] <- mean(cyl_spec[,val], na.rm = T)
        }
    }
}

正如您可能看到的那样，...though非常麻烦。强烈建议您直接输入它们，如@scoa提供的问题和答案，或者当您有超过2列想要更改时。(还研究如何在mutate包中使用dplyr函数)。