在 R 中，如何用列均值替换缺失值？ [关闭]答案

【问题标题】：In R how do I replace the missing values with the column mean? [closed]在 R 中，如何用列均值替换缺失值？ [关闭]
【发布时间】：2014-01-16 16:41:28
【问题描述】：

我缺少要替换为列均值的数据。如果有人可以提供有关如何使用 R 执行此操作的命令。该主题已显示在站点上，但说明不够通用，我无法完成该命令。任何帮助将不胜感激。

【问题讨论】：

您好，欢迎来到 SO。您的缺失数据如何表示？作为NA，作为""，？为了帮助制作可重现的示例，您可以使用 reproduce(<your data>) 。说明在这里：bit.ly/SORepro - How to make a great R reproducible example
您的问题缺少无法回答的信息。请按照@RicardoSaporta 提供的链接中的说明进行操作。
用列的平均值替换缺失值通常被认为是一个真的坏主意。如果您继续对数据进行任何建模，您获得的标准误差将因此人为地变小。
@user3203431 然后不要上传阅读的东西。制作您自己的最小样本。事实上，粘贴大型真实数据集通常不是一个好主意，因为它会使事情变得不必要地复杂化。所以类似：x <- data.frame(matrix(rnorm(30), ncol=3)); x[c(4, 9), c(1, 2, 3)] <- NA; x 会产生一个最低限度的工作示例。
泰勒对this question 的回答有帮助吗？

标签： r missing-data

【解决方案1】：

由于您的问题中没有太多细节，这就是我想象的可能是您的问题。如果恰好是宽格式，请使用require(reshape2); melt(yourdata) 将您的数据转换为long format。编辑：添加了一个宽而长的格式示例。在宽格式的情况下，我缺乏一种 ddply 方法来解决这个问题。请编辑添加。

require(data.table)
require(plyr)

长格式

set.seed(123)
df <- data.frame(group = sample(c(letters[1:5]), 10e5, replace=T),
                 q_var = sample(c(rpois(10, 50), NA), 10e5, replace = T))
DT <- data.table(df)

impute.mean <- function(x) replace(x, is.na(x), mean(x, na.rm = TRUE))

# Impute by group
imp1 <- ddply(df, ~ group, transform, q_var = impute.mean(q_var))

table(df$group)
length(df$group)

imp2 <- DT[, lapply(.SD, impute.mean), by = "group"]
table(DT$group)
length(DT$group)

require(rbenchmark)

imp_ddply <- function(x){
  ddply(df, ~ group, transform, q_var = impute.mean(q_var))
}

imp_DT <- function(x){
  DT[, lapply(.SD, impute.mean), by = "group"]
}

benchmark(imp_ddply(df), imp_DT(DT))
#          test replications elapsed relative user.self sys.self 
# imp_ddply(df)          100  156.47   13.419    149.94     6.35 
#    imp_DT(DT)          100   11.66    1.000     11.61     0.04

宽幅

require(reshape2)

wdf <- data.frame(matrix(sample(c(rpois(10, 50), NA), 900000, replace = T), ncol=3))
WDT <- data.table(wdf)

wide_imp1 <- apply(wdf, 2, impute.mean)
wide_imp2 <- WDT[, lapply(.SD, impute.mean)]

wide_apply <- function(x) apply(wdf, 2, impute.mean)
wide_DT <- function(x) WDT[, lapply(.SD, impute.mean)]

benchmark(wide_apply(wdf), wide_DT(WDT))
#             test replications elapsed relative user.self sys.self
#  wide_apply(wdf)          100    7.84    1.413      7.84        0
#     wide_DT(WDT)          100    5.55    1.000      5.55        0

【讨论】：

【解决方案2】：

从上面使用 Tyler 的数据

x[is.na(x$X1) == "TRUE", 1] <- mean(x$X1, na.rm = T)

【讨论】：

其他列呢？