按两个变量组汇总答案

【问题标题】：Summarizing by group of two variables按两个变量组汇总
【发布时间】：2017-01-11 09:36:35
【问题描述】：

考虑一个简化的数据集（真实的有更多的列和行）：

df
    tp tf   weight
1  FWD RF 78.86166
2   MF LF 81.04566
3  DEF LF 80.70527
4  DEF LF 82.96071
5  DEF RF 78.42544
6   GK LF 79.37686
7  DEF RF 78.79928
8   MF RF       NA
9   MF RF 78.93815
10 DEF RF 80.00284

我想用 tp 和 tf 组合的 median 来填充权重中的缺失值

到目前为止我尝试过的是以下（我使用过 dlpyr）

temp <- df %>% group_by(tp,tf) %>% summarise(mvalue = median(weight,na. rm = TRUE))

这给出了温度：

temp
Source: local data frame [6 x 3]
Groups: tp [?]

      tp     tf   mvalue
  <fctr> <fctr>    <dbl>
1    DEF     LF 81.83299
2    DEF     RF 78.79928
3    FWD     RF 78.86166
4     GK     LF 79.37686
5     MF     LF 81.04566
6     MF     RF 78.93815

现在我无法弄清楚如何用相应的组中位数填充 df 中的缺失值。

在我的简单情况下，只有一个 NA 对应于 tp = MF 和 tf = RF，抬头看 temp 的中值为 78.93815

我通常如何做到这一点？如果您有比我最初的方法更好的方法，请提出建议。

编辑： 实际的数据框有一个唯一的 Id 变量，如果这有什么不同或有帮助的话。

【问题讨论】：

标签： r dplyr

【解决方案1】：

你可以试试，

library(dplyr)
df %>% 
   group_by(tp, tf) %>% 
   mutate(weight = replace(weight, is.na(weight), median(weight, na.rm = TRUE)))

【讨论】：

太棒了！非常简洁的答案，如果我不得不从我离开的地方继续，你能建议我该怎么做吗？我想我应该使用一些应用函数来检查列值并进行相应修改？
以类似的方式，您可以使用df %>% group_by(tp, tf) %>% mutate(weight = recode(weight, .missing = mean(weight, na.rm = T)))。
is.na 是矢量化的，不需要循环。
@jazzurro recode 在哪里？不是基本功能吗？
是的，我想...我现在才更新:)

【解决方案2】：

我们可以使用zoo 中的na.aggregate 并将FUN 参数更改为median。默认为mean

library(zoo)
library(dplyr)
df %>% 
   group_by(tp, tf) %>%
    mutate(weight = na.aggregate(weight, FUN = median))
#     tp    tf   weight
#   <chr> <chr>    <dbl>
#1    FWD    RF 78.86166
#2     MF    LF 81.04566
#3    DEF    LF 80.70527
#4    DEF    LF 82.96071
#5    DEF    RF 78.42544
#6     GK    LF 79.37686
#7    DEF    RF 78.79928
#8     MF    RF 78.93815
#9     MF    RF 78.93815
#10   DEF    RF 80.00284

data.table 的对应语法是

library(data.table)
setDT(df)[, weight := na.aggregate(weight, FUN = median), by = .(tp, tf)]

【讨论】：