用整个数据帧的中值替换缺失的函数答案

【问题标题】：Function to replace missing with median for whole dataframe用整个数据帧的中值替换缺失的函数
【发布时间】：2019-06-19 07:22:48
【问题描述】：

我正在尝试编写一个函数来用中位数替换列中的缺失值，这适用于因子/字符和数值。

library(dplyr)
test = data.frame(a=1:6,b=c("a","b",NA,NA,NA,"c"),c=c(1,1,1,1,2,NA),d=c("a","a","c",NA,NA,"b"))

fun_rep_na = function(df){
  for(i in colnames(df)){
    j<-sym(i)
    df = df %>% mutate(!!j=if_else(is.na(!!j),median(!!j, na.rm=TRUE),!!j))
  }
}

我看到 tidyr 有一个名为 replace_na 的函数，但我也不知道如何使用它。无论如何，我想要一个自定义函数。

上面的代码给了我一个错误。

【问题讨论】：

您不需要 for 循环使用 mutate_all。顺便说一句，median 需要一个数字列
@akrun：啊，太好了，谢谢，我不知道
@Helen 阅读例如Allison, Paul D. 2002。缺失数据。 SAGE Publications, Inc.
我现在没时间买书：/
@jay.sf：我是一名统计学家。

标签： r replace missing-data median

【解决方案1】：

我们可以将mutate_if 与median 一起使用，因为median 仅适用于numeric 列

test %>% 
   mutate_if(is.numeric, list(~ replace(., is.na(.), median(., na.rm = TRUE))))

如果我们想要重复次数最多的值，那么我们可能需要Mode

Mode <- function(x) {
  x <- x[!is.na(x)]
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

Mode 函数首先在这里更新

test %>% 
  mutate_all(list(~ replace(., is.na(.), Mode(.))))
#  a b c d
#1 1 a 1 a
#2 2 b 1 a
#3 3 a 1 c
#4 4 a 1 a
#5 5 a 2 a
#6 6 c 1 b

【讨论】：

啊，看起来很漂亮。你能解释一下 ~ 的作用和所有的点吗？
@Helen 是一个 tilda 运算符，用来使 tidyverse 中的匿名函数调用简洁，否则可能需要function(x) replace(x, is.na(x),
什么是匿名函数，什么是简洁？你能指出我在哪里阅读这方面的正确方向吗？
@Helen 匿名函数是一种用于多种语言的函数（有时称为lambda 函数）。例如用python会是lambda x: x * 5或者用R，lapply(1:5, function(x) x: (x + 5))如果你检查了map和其他功能，简洁是map(1:5, ~ .x:(.x + 5))

【解决方案2】：

我认为您正在寻找 Mode 而不是中位数

从here获取Mode函数

Mode <- function(x) {
   ux <- unique(x)
   ux[which.max(tabulate(match(x, ux)))]
}

library(dplyr)

test %>%  mutate_all(~replace(., is.na(.), Mode(na.omit(.))))

#  a b c d
#1 1 a 1 a
#2 2 b 1 a
#3 3 a 1 c
#4 4 a 1 a
#5 5 a 2 a
#6 6 c 1 b

【讨论】：