使用 mutate_at 在 R 中计算多列答案

【问题标题】：Imputing multiple columns in R using mutate_at使用 mutate_at 在 R 中计算多列
【发布时间】：2020-03-31 07:24:03
【问题描述】：

我有一个大型医疗数据框，我想将其用于机器学习。因此，我必须估算缺失值。对于连续变量，我想输入中值，如下所示：

dat$First_Wbc <- ifelse(is.na(dat$First_Wbc), median2(dat$First_Wbc), dat$First_Wbc)

我想使用 mutate_at 创建一个与我上面提供的代码相同的代码，但一次用于多个变量。我知道这是可能的，但到目前为止我还无法正确格式化它。你能帮帮我吗？

注意：median2() 是一个与 median() 相同的函数，但它忽略了缺失值

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

基础 R 解决方案：

dat[,sapply(dat, is.numeric)] <- lapply(dat[,sapply(dat, is.numeric)], 
                                        function(x){
                                         x <- ifelse(is.na(x), median(x, na.rm  = TRUE), x)
                                          }
                                        )

使用 mutate_if 的 Tidyverse：

library(tidyverse)
df %>% 
  mutate_if(is.numeric, funs(replace(., is.na(.), median(., na.rm = TRUE))))

【讨论】：

【解决方案2】：

您可以按位置选择列：

library(dplyr)
df %>% mutate_at(2:4, ~replace(., is.na(.), median2(.)))

或按列的范围

df %>% mutate_at(vars(a:d), ~replace(., is.na(.), median2(.)))

或者在列名中使用特定模式。

df %>% mutate_at(vars(starts_with('col')), ~replace(., is.na(.), median2(.)))

【讨论】：

【解决方案3】：

我们可以使用mutate_if 和na.aggregate

library(dplyr)
library(zoo)
df %>% 
   mutate_if(is.numeric, na.aggregate, FUN = median)

【讨论】：

【解决方案4】：

说到整洁的解决方案，我真的很喜欢naniar 包，它提供了许多有用的方法来处理丢失的数据。

例如，在这里您可以在所有数字列中估算中位数：

library(tidyverse)
library(naniar)

df %>%
  impute_median_if(is.numeric)

更多附加值来自impute_median_all()、impute_mean_if() 和许多出色的缺失数据可视化。

【讨论】：