dplyr 分组后用中位数替换 NA

Question

我正在为 PCA 准备一个数据集，我的所有变量都是数字的，因此我可以计算所有变量的中位数。

我有两个分组变量。我需要计算组的中位数（比如第一组是 CATEGORIA=6 和 Dpto='A' 等等），然后用这个值代替上面有 NA 的单元格，我的代码是：

for (j in 10:46){
 consolidado1<-consolidado%>% 
 group_by(CATEGORIA,Dpto,.add=T)%>%
 mutate_at(vars(j),~ ifelse(is.na(.),median(consolidado[,j],na.rm=T), .))
}

但是它并没有替换任何东西，每当我尝试测试 j 的某些值时，例如：

 consolidado1<-consolidado%>% 
 group_by(CATEGORIA,Dpto,.add=T)%>%
 mutate_at(vars(11),~ ifelse(is.na(.),median(consolidado[,11],na.rm=T), .))

NA 不是用组中位数而是用整列的中位数代替。

这样做的正确方法是什么？如何正确提取组中位数？

Answer 1

当您从数据框 (consolidado[,11]) 中对列进行子集时，它会返回整个数据框列并且不考虑组，因此您会得到整列的 median。您可以使用. 来引用列值并从中获取分组的median。

library(dplyr)
consolidado1 <- consolidado %>% 
                 group_by(CATEGORIA,Dpto) %>%  
                 mutate(across(10:46, ~ ifelse(is.na(.),median(.,na.rm=TRUE), .)))
                 #With `mutate_at`
                 #mutate_at(10:46,~ ifelse(is.na(.),median(.,na.rm=TRUE), .))