填写缺失数据的简单方法答案

【问题标题】：Easy way to fill in missing data填写缺失数据的简单方法
【发布时间】：2014-03-21 16:37:41
【问题描述】：

我有一个表格，其中包含优化算法的结果。我有 100 次跑步。 X 表示时间并且仅在存储改进时存储。所以我缺少 x-es。

x1; y1  ; x2 ; y2
1 ; 100 ; 1  ; 150
4 ; 90  ; 2  ; 85
7 ; 85  ; 10 ; 60
10; 80  ;

这只是一个 csv。我正在寻找一种轻松处理此问题的方法。想要计算每个 x 值的平均值。因此，x = 4 处的平均值需要考虑到运行 2，4 处的 y 为 85。

使用 excel 的任何简单方法。或者用java或R读它？（我将使用 R 的 ggplot 绘制年龄）。

所以预期的输出应该是这样的：

x1; y1  ; x2 ; y2
1 ; 100 ; 1  ; 150
2 ; 100 ; 2  ; 85
4 ; 90  ; 4  ; 85
7 ; 85  ; 7  ; 85
10; 80  ;10 ; 60

--更新

我在下面应用了 agstudy 的答案。这是我的脚本：

library(ggplot2)
 library(zoo)

data1 = read.table("rundata1", sep= " ", col.names=c("tm1","score1","current1"))
data2 = read.table("rundata1", sep= " ", col.names=c("tm2","score2","current2"))

newdata<- merge(data1[,1:2],data2[,1:2],by=1,all=T)
newdata <- newdata[!is.na(newdata$tm1),]
newdata$score1 <- zoo::na.locf(newdata$score1)
newdata$score2 <- zoo::na.locf(newdata$score2)

现在几乎可以工作了。只有一个错误：

newdata$score2 <- zoo::na.locf(newdata$score2)
Error in `$<-.data.frame`(`*tmp*`, "score2", value = c(40152.6, 40152.6,  : 
  replacement has 11767 rows, data has 11768

【问题讨论】：

你能澄清一下预期的输出吗？
对不起，你是对的。我在问题中添加了一个示例输出。

标签： java r excel pivot-table data-mining

【解决方案1】：

例如，在 R 中，您可以分两步完成此操作。首先你合并你的 2 个运行，然后你用最后一个没有缺失的值填充缺失的值。为此，我正在使用 zoo 包中的 na.locf。

xx <- read.table(text='x1; y1  ; x2 ; y2
1 ; 100 ; 1  ; 150
4 ; 90  ; 2  ; 85
7 ; 85  ; 10 ; 60
10; 80  ;',sep=';',fill=TRUE,header=TRUE)

dm <- merge(xx[,1:2],xx[,3:4],by=1,all=T)
dm <- dm[!is.na(dm$x1),]
dm$y1 <- zoo::na.locf(dm$y1)
dm$y2 <- zoo::na.locf(dm$y2)
dm
  x1  y1  y2
1  1 100 150
2  2 100  85
3  4  90  85
4  7  85  85
5 10  80  60

【讨论】：

我真的很喜欢你的方法，但是，一些 x2 数据点似乎丢失了。可以吗？我将把我的代码放在问题中。
@dorien 我认为这不会发生，因为我使用 merge 和 all=TRUE 选项。
很好奇，我想我在上面的脚本中遗漏了一些简单的东西。相比之下，您的示例效果很好。
好的，我有一个非常愚蠢的输入错误，读取同一个文件两次！现在我只有这个错误： newdata$score2 $<-.data.frame(*tmp*, "score2", value = c(40152.6, 40152.6, : 替换有 11767 行) 中的错误, 数据有 11768
可能是因为后面有空行？

【解决方案2】：

使用 Excel，如果首先有一列所有唯一排序的 x 值升序（一列似乎就足够了？）并且对于 y，则可以使用 VLOOKUP：

=VLOOKUP($F2,A:B,2)

（=VLOOKUP($F2,C:D,2) for y2）每个都复制下来以适应。

或者，如果您准备按照* 所示的行更改源数据布局，那么您可以使用数据透视表，使用选择性粘贴...复制它，值，在紧靠@987654329 右侧的单元格中放置一些内容@，选择 y1 和 y2 列，然后转到特殊、空白、=、向上、Ctrl+Enter。

* 或从x 标签中删除数字并改用多个合并范围。

【讨论】：