按组用数字序列填充 NA

Question

我想按组用数字序列唯一地填充 NA。

这是一个最小的数据集：

d
#>    id year
#> 1   1 1998
#> 2   1 1999
#> 3   1 2001
#> 4   1   NA
#> 5   1   NA
#> 6   2 1997
#> 7   2 1999
#> 8   2 2001
#> 9   2   NA
#> 10  2   NA
#> 11  3 1997
#> 12  3 1998
#> 13  3 1999
#> 14  3 2000
#> 15  3 2001

#data set
structure(list(id = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 
3L, 3L, 3L, 3L, 3L), year = structure(list(year = c(1997L, 1998L, 
1999L, 2000L, NA, 1998L, 1999L, 2001L, NA, NA, 1998L, 1999L, 
2000L, 2001L, NA)), class = "data.frame", row.names = c(NA, -15L
))), row.names = c(NA, -15L), class = "data.frame")

NAs 应替换为 1997 到 2001 的数字序列的一个未采用的值；这样生成的数据框如下所示：

#>    id year
#> 1   1 1997
#> 2   1 1998
#> 3   1 1999
#> 4   1 2000
#> 5   1 2001
#> 6   2 1997
#> 7   2 1998
#> 8   2 1999
#> 9   2 2000
#> 10  2 2001
#> 11  3 1997
#> 12  3 1998
#> 13  3 1999
#> 14  3 2000
#> 15  3 2001

#data set
structure(list(id = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 
3L, 3L, 3L, 3L, 3L), year = c(1997L, 1998L, 1999L, 2000L, 2001L, 
1997L, 1998L, 1999L, 2000L, 2001L, 1997L, 1998L, 1999L, 2000L, 
2001L)), class = "data.frame", row.names = c(NA, -15L))

Answer 1

基础 R 替代方案：

d$year2 <- ave(d$year, d$id, FUN = function(z) { z[is.na(z)] <- setdiff(1997:2001, z); z;})
d
#    id year year2
# 1   1 1998  1998
# 2   1 1999  1999
# 3   1 2001  2001
# 4   1   NA  1997
# 5   1   NA  2000
# 6   2 1997  1997
# 7   2 1999  1999
# 8   2 2001  2001
# 9   2   NA  1998
# 10  2   NA  2000
# 11  3 1997  1997
# 12  3 1998  1998
# 13  3 1999  1999
# 14  3 2000  2000
# 15  3 2001  2001

ave 是一个简单的函数，用于根据分组标准（类似list 的第二个参数）对向量（第一个参数）进行操作。该函数一次被赋予一组值的单个向量，因此使用此数据调用 anon-func 三次。 ave 的唯一问题是 ave 总是将函数的返回值强制为与输入向量相同的类，这可能令人沮丧和荒谬（我确信在某些时候这种行为是有原因的）。

知道在任何时候z 是所有year 一次一组，该函数的内部工作很简单：用1997:2001 中缺少的值替换所有NA 值。但是，这有一个很大的警告：这假定z 中唯一合法的值是c(NA, 1997:2001)；如果还有其他问题，这可能会非常失败/爆炸或导致您邻居的汽车失火。

从这个意义上说，这种方法有点脆弱。为了更有弹性，我们可能需要一些津贴。例如，是否可以在数据中保留 1997:2001 之外的值，或者也应该替换它们？如果不是，那么是否有一种启发式方法来确定哪些缺失值被归入NA 值？

---

数据

d <- structure(list(id = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L), year = c(1998L, 1999L, 2001L, NA, NA, 1997L, 1999L, 2001L, NA, NA, 1997L, 1998L, 1999L, 2000L, 2001L)), class = "data.frame", row.names = c(NA, -15L))

Answer 2

我们可能会使用coalesce

library(dplyr)
d$year <- coalesce(prodNA(d[2],noNA=0.3)$year, d$year)

---

如果需要分组

library(dplyr)
d %>% 
   group_by(id) %>% 
   mutate(year = coalesce(prodNA(cur_data()["year"], noNA = 0.3)$year, year)) %>%
   ungroup

-输出

# A tibble: 15 × 2
      id  year
   <int> <int>
 1     1  1997
 2     1  1998
 3     1  1999
 4     1  2000
 5     1  2001
 6     2  1997
 7     2  1998
 8     2  1999
 9     2  2000
10     2  2001
11     3  1997
12     3  1998
13     3  1999
14     3  2000
15     3  2001

数据

set.seed(1)
d <- data.frame(id = rep(1:3,each=5),
       year = rep(1997:2001,3))