用在一个区间内聚合的平均值替换 NA 值

Question

我有两个数据框。第一个是完整的数据集，其中包括“step”变量的 NA 值。数据框具有三个变量步骤、日期和间隔（在日期值 0-2355 中以 5 分钟间隔增加 5）。第二个数据框是每个间隔的步数的平均值。要重现数据帧，请使用以下代码：

#dat <- read.csv("activity.csv")
dat <- data.frame(steps = c(NA,16,5,3,8,NA),
                          date=c("2012-10-01","2012-10-01","2012-10-02",
                                 "2012-10-02","2012-10-03","2012-10-03"),
                          interval = c(0,5,0,5,0,5))
dat$date <- as.Date(dat$date, format='%Y-%m-%d')
steps_by_interval_df <- aggregate(steps ~ interval, dat[complete.cases(dat),], mean)

我现在想做的是将数据中的 NA 值替换为在 steps_by_interval_df 中计算的平均步长，所以我做了以下操作：

missing_steps_vect <- is.na(dat$steps)
dat$steps[missing_steps_vect] <- 
  steps_by_interval_df$steps[
    which(dat$interval[missing_steps_vect] == steps_by_interval_df$interval)]

这部分有效！所有的 NA 值都替换为我为该间隔计算的平均值。这是我对自己的概念证明，以便我可以确保我编写的函数按计划工作。

问题是，如果我用我的实际 csv 读取代码替换第一行代码（见注释掉的行），那么并不是所有的 NA 值都被替换。这似乎只是替换了第一块 NA 值，而不是全部。我从大约 2300 个 NA 值开始，运行该函数后，我仍然有大约 2100 个值，我预计为 0。为什么代码适用于我创建的数据框，但不适用于我从 read.csv 获得的数据框？

如果您打算重新创建问题，则需要从here 解压缩文件并指向读取的 csv 文件的 csv 文件。

免责声明：这是针对我正在学习的课程。我可能可以很容易地用一个 for 循环来做到这一点，只是为了让它工作，但我更愿意了解为什么这不起作用，而不是仅仅做一些不同的事情。

谢谢。

Answer 1

将ave 与zoo 包中的na.aggregate 结合使用将为您提供所需的结果，并且比创建单独的函数要容易得多：

library(zoo)
dat <- read.csv("activity.csv")
dat$date <- as.Date(dat$date, format='%Y-%m-%d')
dat$steps <- ave(dat$steps, dat$interval, FUN=na.aggregate)