如何使用 dplyr 估算 R 中缺失的变量？

Question

我想在给定现有值的情况下为变量估算缺失值。 在var2 中，我们注意到有很多NAs。

1. 如果任意 2 个 id 相同，则它们的 var2 值相同。
2. 如果 id 没有 var2 的值，例如 id==2，那么我们只输出为 NA。

它应该是从df_old 到df_new.

 df_old<- read.table(header = TRUE, text = "
 id  var1  var2 
  1  A       12    
  1  B       NA    
  1  E       NA    
  2  G       NA
  2  J       NA
 ")

df_new<- read.table(header = TRUE, text = "
id  var1  var2 
 1  A       12    
 1  B       12    
 1  E       12    
 2  G       NA
 2  J       NA
")

我试过了：

df_new<-df_old %>%
        group_by(id) %>%
        mutate(var2=na.omit(var2))

我相信由于第二种情况它不起作用。我还想知道使用 ifelse 是否可以。需要帮助谢谢！

Answer 1

如果每个 id 只有一个 var2 值可用，您可以这样做：

df_old %>%
  group_by(id) %>%
  mutate(var2 = min(var2, na.rm = TRUE))

Source: local data frame [5 x 3]
Groups: id [2]

     id   var1  var2
  <int> <fctr> <int>
1     1      A    12
2     1      B    12
3     1      E    12
4     2      G    NA
5     2      J    NA

另一种选择是：

mutate(var2 = var2[1])

Answer 2

我们可以使用data.table，但与dplyr不同的是，对于具有所有NA的组，我们必须指定NA才能返回，否则它将返回Inf

library(data.table)
setDT(df_old)[, var2 := if(any(!is.na(var2))) min(var2, na.rm = TRUE) 
            else NA_integer_, by = id]
df_old    
#    id var1 var2
#1:  1    A   12
#2:  1    B   12
#3:  1    E   12
#4:  2    G   NA
#5:  2    J   NA

Answer 3

现在 CRAN 中提供了 tidyimpute 包，看起来它可以解决问题

"在表格和列表中填补缺失值 (NA) 的函数和方法 仿照 'dplyr' 和 'rlang' 的 tidyverse 方法设计；与 data.tables 也是如此。”

https://cran.r-project.org/web/packages/tidyimpute/tidyimpute.pdf