用 R 重新编码纵向数据帧中的缺失数据答案

【问题标题】：Recoding missing data in longitudinal data frames with R用 R 重新编码纵向数据帧中的缺失数据
【发布时间】：2017-01-31 07:26:09
【问题描述】：

我有一个纵向结构与data相似的数据框：

data = data.frame (
   ID = c("a","a","a","b","b","b","c","c", "c"), 
   period = c(1,2,3,1,2,3,1,2,3),
   size = c(3,3,NA, NA, NA,1, 14,14, 14))

变量size 的值是固定的，因此每个周期对于size 具有相同的值。然而，一些观察结果存在缺失值。我的目标是替换这些缺失值 size 的值与没有缺失的时段相关联（例如，ID "a" 为 3，ID "b" 为 1）。

所需的数据框应类似于：

data.1 

    ID period value
      a      1     3
      a      2     3
      a      3     3
      b      1     1
      b      2     1
      b      3     1
      c      1    14
      c      2    14
      c      3    14

我尝试了以下公式的不同组合，但没有得到我想要的结果。

library(dplyr)

data.1 = data %>% group_by(ID) %>% 
  mutate(new.size = ifelse(is.na(size), !is.na(size),
                          ifelse(!is.na(size), size, 0)))

产生以下结果：

data.1
Source: local data frame [9 x 4]
Groups: ID [3]

      ID period  size new.size
  (fctr)  (dbl) (dbl)    (dbl)
1      a      1     3        3
2      a      2     3        3
3      a      3    NA        0
4      b      1    NA        0
5      b      2    NA        0
6      b      3     1        1
7      c      1    14       14
8      c      2    14       14
9      c      3    14       14

如果有人能给我提示如何获得正确的解决方案，我将不胜感激。

【问题讨论】：

标签： r missing-data panel-data

【解决方案1】：

base R 怎么样：

vals <- unique(na.omit(data[, c("ID", "size")]))
data$size <- vals$size[match(data$ID, vals$ID)]


  ID period size
1  a      1    3
2  a      2    3
3  a      3    3
4  b      1    1
5  b      2    1
6  b      3    1
7  c      1   14
8  c      2   14
9  c      3   14

【讨论】：

您也可以使用dplyr，即data %>% group_by(ID) %>% mutate(new.size = size[!is.na(size)][1])

【解决方案2】：

要更正您的代码，您可以使用dplyr 尝试以下操作

library(dplyr)
data %>% group_by(ID) %>% 
         mutate(new.size = ifelse(is.na(size), size[!is.na(size)],size))

#      ID   period  size new.size
#     (fctr)  (dbl) (dbl)    (dbl)
#1      a      1     3        3
#2      a      2     3        3
#3      a      3    NA        3
#4      b      1    NA        1
#5      b      2    NA        1
#6      b      3     1        1
#7      c      1    14       14
#8      c      2    14       14
#9      c      3    14       14

或base R 替代ave

data$new.size <- ave(data$size,data$ID, FUN=function(x)unique(x[!is.na(x)]))
data$new.size

#[1]  3  3  3  1  1  1 14 14 14

【讨论】：

【解决方案3】：

这里使用dplyr 和na.omit 的另一个解决方案

group_by(data, ID) %>%
     mutate(value=na.omit(size)[1])
Source: local data frame [9 x 4]
Groups: ID [3]

      ID period  size value
  <fctr>  <dbl> <dbl> <dbl>
1      a      1     3     3
2      a      2     3     3
3      a      3    NA     3
4      b      1    NA     1
5      b      2    NA     1
6      b      3     1     1
7      c      1    14    14
8      c      2    14    14
9      c      3    14    14

请注意，如果您正在寻找最大值，例如，您可以将 na.omit 替换为 max(size, na.rm=TRUE)。

【讨论】：