用组值替换 NA 值答案

【问题标题】：replace NA value with the group value用组值替换 NA 值
【发布时间】：2014-06-28 07:44:37
【问题描述】：

我有一个 df 如下，其中有 5 个家庭的 20 人。家庭中的一些人缺少关于他们是否拥有 med_card 的数据。我想给这些人与他们家中其他人相同的值（不是 NA 值，一个真正的二进制值，即 0 或 1）。

我尝试了以下代码，我认为这是朝着正确方向迈出的一步 - 但不是 100% 正确，因为 a) 如果每个家庭的 med_card 的第一个值为 NA 和 b) 它就不起作用不会取代家庭 1 中所有人的 NA。

DF<- ddply(df, .(hhold_no), function(df) {df$med_card[is.na(df$med_card)] <- head(df$med_card, na.rm=TRUE); return(df)})

任何指针将不胜感激，谢谢

样本df

df
   person_id hhold_no med_card
1          1        1        1
2          2        1        1
3          3        1       NA
4          4        1       NA
5          5        1       NA
6          6        2        0
7          7        2        0
8          8        2        0
9          9        2        0
10        10        3       NA
11        11        3       NA
12        12        3       NA
13        13        3        1
14        14        3        1
15        15        4        1
16        16        4        1
17        17        5        1
18        18        5        1
19        19        5       NA
20        20        5       NA

和代码

person_id<-as.numeric(c(1:20))
hhold_no<-as.numeric(c(1,1,1,1,1,2,2,2,2,3,3,3,3,3,4,4,5,5,5,5))
med_card<-as.numeric(c(1,1,NA,NA,NA,0,0,0,0,NA,NA,NA,1,1,1,1,1,1,NA,NA))
df<-data.frame(person_id,hhold_no, med_card)

期望的输出

df
   person_id hhold_no med_card med_card_new
1          1        1        1            1
2          2        1        1            1
3          3        1       NA            1
4          4        1       NA            1
5          5        1       NA            1
6          6        2        0            0
7          7        2        0            0
8          8        2        0            0
9          9        2        0            0
10        10        3       NA            1
11        11        3       NA            1
12        12        3       NA            1
13        13        3        1            1
14        14        3        1            1
15        15        4        1            1
16        16        4        1            1
17        17        5        1            1
18        18        5        1            1
19        19        5       NA            1
20        20        5       NA            1

【问题讨论】：

标签： r na

【解决方案1】：

使用dplyr，您也可以使用group_by()，然后利用带有na.rm 参数的max 等函数返回每个组的所有数字。

library(dplyr)
df %>% group_by(hhold_no) %>% mutate(med_card_new = max(med_card, na.rm = T))

鉴于组中的非缺失值是数字和常量，您还可以使用 mean 或 min 代替 max。

【讨论】：

【解决方案2】：

这有点晚了，但如果正在处理数字列，试试这个：

require(data.table)

setDT(df)[,'record_year':=mean( med_card,na.rm = T),by = c('hhold_no')]

【讨论】：

【解决方案3】：

这正是 zoo 包中的 na.aggregate (link) 所做的：

library(zoo)

transform(df, med_card_new = na.aggregate(med_card, by = hhold_no))

这使用mean;但是，您可以指定您喜欢的任何功能。例如，如果您希望在组中的所有项目都是 NA 时返回 NA（而不是在给定零长度向量时 mean 将返回的 NaN）然后

meanNA <- function(x, ...) if (all(is.na(x))) NA else mean(x, ...)
transform(df, med_card_new = na.aggregate(med_card, by = hhold_no, FUN = meanNA))

【讨论】：

谢谢，以前从未见过。非常便利。 :)
刚刚很好地使用了这个，但是对于没有可以聚合的数据的案例得到了 NaN。将 NaN 正确转换为 NA 时遇到问题，发现最好的方法是 df[is.na(df)] <- NA。
mean 就是这样工作的。如果你取一个零长度向量的平均值，它会给出 NaN。如果您不希望这样，您可以指定备用功能。请参阅上面添加的代码。

【解决方案4】：

data.table解决方案

library(data.table)
setDT(df)[, med_card2 := unique(med_card[!is.na(med_card)]), by = hhold_no]

#     person_id hhold_no med_card med_card2
#  1:         1        1        1         1
#  2:         2        1        1         1
#  3:         3        1       NA         1
#  4:         4        1       NA         1
#  5:         5        1       NA         1
#  6:         6        2        0         0
#  7:         7        2        0         0
#  8:         8        2        0         0
#  9:         9        2        0         0
# 10:        10        3       NA         1
# 11:        11        3       NA         1
# 12:        12        3       NA         1
# 13:        13        3        1         1
# 14:        14        3        1         1
# 15:        15        4        1         1
# 16:        16        4        1         1
# 17:        17        5        1         1
# 18:        18        5        1         1
# 19:        19        5       NA         1
# 20:        20        5       NA         1

【讨论】：

【解决方案5】：

试试ave。它将功能应用于组。详情请查看?ave，例如：

df$med_card_new <- ave(df$med_card, df$hhold_no, FUN=function(x)unique(x[!is.na(x)]))

#   person_id hhold_no med_card med_card_new
#1          1        1        1            1
#2          2        1        1            1
#3          3        1       NA            1
#4          4        1       NA            1
#5          5        1       NA            1
#6          6        2        0            0
#7          7        2        0            0
#8          8        2        0            0
#9          9        2        0            0

请注意，这仅在家庭中并非所有值都是 NA 并且不应不同（例如，人 1 == 1，人 2 == 0）时才有效。

【讨论】：

谢谢！我用 ave 做了一些非常笨拙的尝试，但不能让它完全适合我。再次感谢！ :)