将 NA 替换为特定于行和列的值 [重复]答案

【问题标题】：Replace NA with a value that is row and column specific [duplicate]将 NA 替换为特定于行和列的值 [重复]
【发布时间】：2017-08-11 19:41:29
【问题描述】：

这个问题包含了很多内容。首先，我想按 c 列对数据进行分段。子集由因子 c 给出：级别为 1 到 4。因此有 4 个不同的段。接下来我有两列。 a 列和 b 列。我想用每个段特定列的最大值替换 NA。例如，第 3 行和第 'a' 列的 NA 为 30。(b,3) 为 80，(b,8) 为 50，(a, 5) 为 80。

我已经创建了下面的代码来完成这项工作，但现在我需要为所有段和列使其自动（如 for 循环）。我怎么能这样做？

a <- c(10,NA,30,40,NA,60,70,80,90,90,80,90,10,40)
b <- c(80,70,NA,50,40,30,20,NA,0,0,10,69, 40, 90)
c <- c(1,1,1,2,2,2,2,2,3,3,3,4,4,4)


      a  b c
 1:  10 80 1
 2:  NA 70 1
 3:  30 NA 1
 4:  40 50 2
 5:  NA 40 2
 6:  60 30 2
 7:  70 20 2
 8:  80 NA 2
 9:  90  0 3
 10: 90  0 3
 11: 80 10 3
 12: 90 69 4
 13: 10 40 4
 14: 40 90 4


mytable <- data.table(a,b,c)

mytable[which(is.na(mytable[c == 1][,1, with = FALSE]) == TRUE),1] <- max(mytable[c==1,1], na.rm = TRUE)

很遗憾，此尝试导致错误：

for(i in unique(mytable$c)){
  for(j in unique(c(1:2))){
    mytable[which(is.na(mytable[c == i][,j, with = FALSE]) == TRUE),j, with = FALSE] <- max(mytable[c==i][,j, with = FALSE], na.rm = TRUE)
  }
}

[<-.data.table(*tmp*, which(is.na(mytable[c == i][, j, with = FALSE]) == 中的错误：未使用的参数（带 = FALSE）

令人惊讶的是，这也会导致错误：

for(i in unique(mytable$c)){
  for(j in unique(c(1:2))){
    mytable[which(is.na(mytable[c == i][,j]) == TRUE),j] <- max(mytable[c==i,j], na.rm = TRUE)
  }
}

[.data.table(mytable, c == i, j) 中的错误： j（[...] 中的第二个参数）是单个符号，但未找到列名“j”。也许您打算使用 DT[,..j] 或 DT[,j,with=FALSE]。与 data.frame 的这种差异是经过深思熟虑的，并在 FAQ 1.1 中进行了解释。

【问题讨论】：

使用dplyr：mytable %>% group_by(c) %>% mutate(a = ifelse(is.na(a),max(a,na.rm=TRUE),a), b = ifelse(is.na(b),max(b,na.rm=TRUE),b))

标签： r loops replace data.table na

【解决方案1】：

library("data.table")

mytable <- data.table(
a=c(10,NA,30,40,NA,60,70,80,90,90,80,90,10,40),
b=c(80,70,NA,50,40,30,20,NA,0,0,10,69, 40, 90),
c=c(1,1,1,2,2,2,2,2,3,3,3,4,4,4))

foo <- function(x) { x[is.na(x)] <- max(x, na.rm=TRUE); x }

mytable[, .(A=foo(a), B=foo(b)), by=c]

结果：

> mytable[, .(A=foo(a), B=foo(b)), by=c]
#    c  A  B
# 1: 1 10 80
# 2: 1 30 70
# 3: 1 30 80
# 4: 2 40 50
# 5: 2 80 40
# 6: 2 60 30
# 7: 2 70 20
# 8: 2 80 50
# 9: 3 90  0
#10: 3 90  0
#11: 3 80 10
#12: 4 90 69
#13: 4 10 40
#14: 4 40 90

或者直接替换a和b：

mytable[, `:=`(a=foo(a), b=foo(b)), by=c] # or
mytable[, c("a", "b") := (lapply(.SD, foo)), by = c]  # from @Sotos

或者更安全的变体（tnx to @Frank 的评论）：

cols <- c("a", "b")
mytable[, (cols) := lapply(.SD, foo), by=c, .SDcols=cols]

【讨论】：

或dt[, lapply(.SD, foo), by = c]
这不会修改mytable，只会打印替换的值
@manotheshark 我编辑了我的答案。
非常令人印象深刻和高效！使用数据表和避免 for 循环直接解决了这个问题。谢谢你。我使用： mytable

【解决方案2】：

使用 data.table

library(data.table)
mytable[, a := ifelse(is.na(a), max(a, na.rm = TRUE), a), by = c]
mytable[, b := ifelse(is.na(b), max(b, na.rm = TRUE), b), by = c]

或在单个命令中

mytable[, c("a", "b") := lapply(.SD, function(x) ifelse(is.na(x), max(x, na.rm = TRUE), x)), .SDcols = c("a", "b"), by = c]

【讨论】：

【解决方案3】：

使用plyr包中的ddply()：

df<-data.frame(a,b,c=as.factor(c))
library(plyr)
df2<-ddply(df, .(c), transform, a=ifelse(is.na(a), max(a, na.rm=T),a), 
           b=ifelse(is.na(b), max(b, na.rm=T),b))

【讨论】：