将一个数据集中的缺失值 (NA) 替换为列匹配的另一个数据集中的值

Question

我有一个包含 3 列“x”、“y”和“z”的数据框 (datadf)。缺少几个“x”值 (NA)。 'y' 和 'z' 是非测量变量。

x    y z
153  a 1
163  b 1
NA   d 1
123  a 2 
145  e 2
NA   c 2 
NA   b 1
199  a 2

我有另一个具有相同三列的数据框（imputeddf）：

 x  y z
123 a 1
145 a 2
124 b 1
168 b 2
123 c 1
176 c 2
184 d 1
101 d 2

我希望将“datadf”中“x”中的NA 替换为“imputeddf”中的值，其中“y”和“z”在两个数据集之间匹配（“y”和“z”的每个组合都有'x' 自己的值来填写）。

想要的结果：

x    y z
153  a 1
163  b 1
184  d 1
123  a 2 
145  e 2
176  c 2 
124  b 1
199  a 2

我正在尝试这样的事情：

finaldf <- datadf
finaldf$x <- if(datadf[!is.na(datadf$x)]){ddply(datadf, x=imputeddf$x[datadf$y == imputeddf$y & datadf$z == imputeddf$z])}else{datadf$x}

但它不起作用。

在使用我的推算值df中填写NA的最佳方式是什么？

Answer 1

我会这样做：

library(data.table)
setDT(DF1); setDT(DF2)

DF1[DF2, x := ifelse(is.na(x), i.x, x), on=c("y","z")]

给了

     x y z
1: 153 a 1
2: 163 b 1
3: 184 d 1
4: 123 a 2
5: 145 e 2
6: 176 c 2
7: 124 b 1
8: 199 a 2

评论。这种方法不是很好，因为它合并了DF1 的整体，而我们只需要合并is.na(x) 的子集。在这里，改进看起来像（感谢@Arun）：

DF1[is.na(x), x := DF2[.SD, x, on=c("y", "z")]]

这种方式类似于@RHertel 的回答。

---

来自@Jakob 的评论：

这是否适用于多个 x 变量？如果我想用几列填充整个数据集？

您可以枚举所需的列：

DF1[DF2, `:=`(
  x = ifelse(is.na(x), i.x, x),
  w = ifelse(is.na(w), i.w, w)
), on=c("y","z")]

表达式可以使用lapply 和substitute 构造，可能，但是如果列的集合是固定的，那么像上面那样写出来可能是最干净的。

Answer 2

dplyr 解决方案，概念上与上述答案相同。要仅提取与 datadf 中的 NA 对应的 imputeddf 行，请使用 semi_join。然后，使用另一个连接匹配回datadf。 （不幸的是，这一步不是很干净。）

library(dplyr)
replacement_rows <- imputeddf %>%
  semi_join(datadf %>% filter(is.na(x)), by = c("y", "z"))
datadf <- datadf %>%
  left_join(replacement_rows, by = c("y", "z")) %>%
  mutate(x = if_else(is.na(x.x), x.y, x.x)) %>%
  select(x, y, z)

这得到你想要的：

> datadf
# A tibble: 8 x 3
      x y         z
  <dbl> <chr> <dbl>
1   153 a         1
2   163 b         1
3   184 d         1
4   123 a         2
5   145 e         2
6   176 c         2
7   124 b         1
8   199 a         2

Answer 3

这里有一个基于 R 的替代方案：

df1[is.na(df1$x),"x"] <- merge(df2,df1[is.na(df1$x),][,c("y","z")])$x
> df1
#    x y z
#1 153 a 1
#2 163 b 1
#3 124 b 1
#4 123 a 2
#5 145 e 2
#6 176 c 2
#7 184 d 1
#8 199 a 2