如何用一组值替换 NA答案

【问题标题】：How to replace NA with set of values如何用一组值替换 NA
【发布时间】：2020-02-14 07:34:19
【问题描述】：

我有以下数据框：

library(dplyr)
library(tibble)


df <- tibble(
  source = c("a", "b", "c", "d", "e"),
  score = c(10, 5, NA, 3, NA ) ) 


df

看起来像这样：

# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10 . # current max value
2 b          5
3 c         NA
4 d          3
5 e         NA

我想要做的是将分数列中的NA 替换为现有max + n 以上的值。其中n的范围从1到df的总行数

导致这个（手工编码）：

  source score
  a         10
  b          5
  c         11 # obtained from 10 + 1
  d          3
  e         12 #  obtained from 10 + 2

我怎样才能做到这一点？

【问题讨论】：

标签： r if-statement dplyr replace tibble

【解决方案1】：

另一种选择：

transform(df, score = pmin(max(score, na.rm = TRUE) + 
                      cumsum(is.na(score)), score, na.rm = TRUE))

#  source score
#1      a    10
#2      b     5
#3      c    11
#4      d     3
#5      e    12

如果你想在dplyr这样做

library(dplyr)
df %>% mutate(score = pmin(max(score, na.rm = TRUE) + 
                      cumsum(is.na(score)), score, na.rm = TRUE))

【讨论】：

【解决方案2】：

基础 R 解决方案

df$score[is.na(df$score)] <- seq(which(is.na(df$score))) + max(df$score,na.rm = TRUE)

这样

> df
# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10
2 b          5
3 c         11
4 d          3
5 e         12

【讨论】：

已经是最简洁但可以将seq(which(is.na(df$score))) 缩短为1:sum(is.na(df$score))
@sindri_baldur 谢谢。 stackoverflow.com/a/60222864/12158757 提供的那个

【解决方案3】：

这是dplyr 方法，

df %>% 
 mutate(score = replace(score, 
                       is.na(score), 
                       (max(score, na.rm = TRUE) + (cumsum(is.na(score))))[is.na(score)])
                       )

给出，

# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10
2 b          5
3 c         11
4 d          3
5 e         12

【讨论】：

【解决方案4】：

与dplyr:

library(dplyr)

df %>%
  mutate_at("score", ~ ifelse(is.na(.), max(., na.rm = TRUE) + cumsum(is.na(.)), .))

结果：

# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10
2 b          5
3 c         11
4 d          3
5 e         12

【讨论】：

【解决方案5】：

dplyr 解决方案。

df %>%
  mutate(na_count = cumsum(is.na(score)),
         score = ifelse(is.na(score), max(score, na.rm = TRUE) + na_count, score)) %>%
  select(-na_count)
## A tibble: 5 x 2
#  source score
#  <chr>  <dbl>
#1 a         10
#2 b          5
#3 c         11
#4 d          3
#5 e         12

【讨论】：

【解决方案6】：

另一个，和ThomasIsCoding的方案很相似：

> df$score[is.na(df$score)]<-max(df$score, na.rm=T)+(1:sum(is.na(df$score)))
> df
# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10
2 b          5
3 c         11
4 d          3
5 e         12

【讨论】：

【解决方案7】：

与基本的 R 解决方案相比，不是很优雅，但仍然可行：

library(data.table)
setDT(df)

max.score = df[, max(score, na.rm = TRUE)]
df[is.na(score), score :=(1:.N) + max.score]

或者在一行中，但有点慢：

df[is.na(score), score := (1:.N) + df[, max(score, na.rm = TRUE)]]
df
   source score
1:      a    10
2:      b     5
3:      c    11
4:      d     3
5:      e    12

【讨论】：