在 R 中使用 ROLLING 平均值估算缺失值答案

【问题标题】：Impute missing values with ROLLING mean in R在 R 中使用 ROLLING 平均值估算缺失值
【发布时间】：2017-06-23 16:25:12
【问题描述】：

我是 R 新手，正在努力解决一个问题。

我需要一个函数来根据给定大小的窗口内元素的平均值来估算 vector 中的缺失值。

但是，这个窗口会移动，因为假设我的NA 位于位置 30，而我的窗口大小为 10，则应计算 x[20:40] 的平均值。所以对于每个找到的NA，window-mean 都会不同。

我一直在尝试这个：

impute.to.window.mean <- function(x, window) {

  na.idx <- is.na(x)  #find missing values in x

  for (na in na.idx) {

    y <- (x[na]-window):(x[na]+window)
    na.idx[na] <- mean(y, na.rm = TRUE)
  }

  return(x)
}

但它不正确，我不知道如何继续。

【问题讨论】：

标签： r missing-data imputation imputets

【解决方案1】：

您可能需要考虑使用imputeTS 包。下面是一个使用简单移动平均线和 4 窗口填充值的示例：

x <- rnorm(100)
x[c(7, 21, 33)] <- NA

imputeTS::na_ma(x, k = 4, weighting = "simple")

【讨论】：

【解决方案2】：

使用 zoo::rollapply，这可以在一个语句中完成。在这个例子中，我们使用了一个长度为 5 的窗口（当前点两侧各 2 个）：

library(zoo)

x <- replace(1:20, c(4, 6, 10, 15), NA) # test data


rollapply(c(NA, NA, x, NA, NA), 5, 
    function(x) if (is.na(x[3])) mean(x, na.rm = TRUE) else x[3])

给予：

 [1]  1.000000  2.000000  3.000000  3.333333  5.000000  6.666667  7.000000
 [8]  8.000000  9.000000 10.000000 11.000000 12.000000 13.000000 14.000000
[15] 15.000000 16.000000 17.000000 18.000000 19.000000 20.000000

【讨论】：

【解决方案3】：

R 基础：

df <- data.frame(x = sample(c(1:10,NA),1000, replace = T))
window <- 10

lapply(1:(nrow(df)-window), function(x) ifelse(is.na(df[x,'x']),mean(df[x:(x+10),'x'],na.rm=T),df[x,'x']))

我现在唯一的区别是我期待这些价值观。但您可以根据自己的规格进行更改。

【讨论】：

【解决方案4】：

您的索引有点偏离

impute.to.window.mean <- function(x, window) {
  na.idx <- which(is.na(x))  #find missing values in x

  for (na in na.idx) {
    y <- sort(x[(na - window):(na + window)])
    x[na] <- mean(y)
  }

  return(x)
}

举例说明

set.seed(1)
x <- sample(10)
na <- 6
x[na] <- NA
# [1]  3  4  5  7  2 NA  9  6 10  1

window <- 3L

我使用了sort，因为它会一步删除NAs；你想要这个向量的平均值，它们是属于window的所有值

sort(x[(na - window):(na + window)])
# [1]  2  5  6  7  9 10

mean(sort(x[(na - window):(na + window)]))
# [1] 6.5

现在测试你的函数

impute.to.window.mean(x, window)
# [1]  3.0  4.0  5.0  7.0  2.0  6.5  9.0  6.0 10.0  1.0

编辑

其实你应该使用

y <- sort(x[pmax(1L, (na - window)):pmin(length(x), (na + window))])

而不是NA 出现在例如 2 并且您的窗口大于 1 的情况

## current version
impute.to.window.mean(x, 10)
# Error in x[(na - window):(na + window)] : 
#   only 0's may be mixed with negative subscripts

## version with pmax/pmin
impute.to.window.mean(x, 10)
# [1]  3.000000  4.000000  5.000000  7.000000  2.000000  5.222222  9.000000  6.000000 10.00000 1.000000

mean(sort(x))
# [1] 5.222222

impute.to.window.mean <- function(x, window) {
  na.idx <- which(is.na(x))  #find missing values in x

  for (na in na.idx) {
    # y <- sort(x[(na - window):(na + window)])
    y <- sort(x[pmax(1L, (na - window)):pmin(length(x), (na + window))])
    x[na] <- mean(y)
  }

  return(x)
}

【讨论】：

【解决方案5】：

"Caret" 包的 preProcess 函数有一个名为 "knnImpute" 的方法可以做到这一点。试一试。

【讨论】：