如何使用基于另外两个变量的列的平均值填充原始数据帧的子集的给定列中的NAs

Question

因此，我有一个学生数据集，我目前正在清理，我已经取得了数据框架的一个子集，并希望根据与特定专业关联的平均工资和非缺失值的实习数量来填充这个子集的工资列中的NAs。

所以如果我有：

subset(work_dat, (is.na(Employed) & outcome_table=="Employed - Full-time"), select=major, int_numb, salary)

 Major     Int_numb      salary
 <fctr>      <dbl>           <dbl>
 Biochem       2              NA                
 Biosystems    2              NA

例如，我想将生物化学和生物系统专业的平均工资替换为NA值，在本例中为2个实习。

 Major     Int_numb      avg_salary
 <fctr>      <dbl>           <dbl>
 Biochem       2              70000             
 Biosystems    2              290000

Answer 1

您可以使用dplyr来实现这一点。如下所示：

library(dplyr)
work_dat %>%
    group_by(Major) %>%
    mutate(avg_salary = ifelse(is.na(avg_salary), mean(avg_salary, na.rm = T), avg_salary))