我的数据集 input 缺少几个 values。我必须使用以下逻辑创建数据集 output：
- 如果
b、c或d列中的任何一列有缺失，则检查对应的a列，并使用从该行到特定列的对应 value 填充缺失。
我试图用 dplyr 中的 _join 函数来做到这一点，但没有成功。
我可以手动完成，但是这个选项不在 table 中，因为我有一个包含多个这样的实例的大数据集。
输入
library(dplyr)
input <- tibble( a = rep(c("A", "B", "C", "D"),2 ),
b = c(1:3, NA, rep(NA,4)),
c = c(21:28),
d = c(rep(NA,4), 54, NA, 34,11)) %>%
arrange(a)输入视图
# A tibble: 8 × 4
# a b c d
# <chr> <int> <int> <dbl>
#1 A 1 21 NA
#2 A NA 25 54
#3 B 2 22 NA
#4 B NA 26 NA
#5 C 3 23 NA
#6 C NA 27 34
#7 D NA 24 NA
#8 D NA 28 11输出 - 预期视图
# A tibble: 8 × 4
# a b c d
# <chr> <int> <int> <dbl>
# 1 A 1 21 54
# 2 A 1 25 54
# 3 B 2 22 NA
# 4 B 2 26 NA
# 5 C 3 23 34
# 6 C 3 27 34
# 7 D NA 24 11
# 8 D NA 28 11回答1
使用包 https://CRAN.R-project.org/package=zoo 中的函数 na.locf 将最后的观察结果向前或反向进行。
suppressPackageStartupMessages(library(dplyr))
input <- tibble( a = rep(c("A", "B", "C", "D"),2 ),
b = c(1:3, NA, rep(NA,4)),
c = c(21:28),
d = c(rep(NA,4), 54, NA, 34,11)) %>%
arrange(a)
input %>%
group_by(a) %>%
mutate(across(b:d, zoo::na.locf, na.rm = FALSE)) %>%
mutate(across(b:d, zoo::na.locf, na.rm = FALSE, fromLast = TRUE))
#> # A tibble: 8 × 4
#> # Groups: a [4]
#> a b c d
#> <chr> <int> <int> <dbl>
#> 1 A 1 21 54
#> 2 A 1 25 54
#> 3 B 2 22 NA
#> 4 B 2 26 NA
#> 5 C 3 23 34
#> 6 C 3 27 34
#> 7 D NA 24 11
#> 8 D NA 28 11由 https://reprex.tidyverse.org (v2.0.1) 于 2022 年 5 月 14 日创建
回答2
这是仓促的估算：
library(dplyr)
input %>%
group_by(a) %>%
mutate(across(b:d, ~ if_else(is.na(.), na.omit(.)[1], .))) %>%
ungroup()
# # A tibble: 8 x 4
# a b c d
# <chr> <int> <int> <dbl>
# 1 A 1 21 54
# 2 A 1 25 54
# 3 B 2 22 NA
# 4 B 2 26 NA
# 5 C 3 23 34
# 6 C 3 27 34
# 7 D NA 24 11
# 8 D NA 28 11我认为 group_by(a) 相当直观且有意义。我第一句话的“仓促”部分是我们找到第一个非NA value并使用它。其他插补技术可能使用平均值、中位数、以前的有效数据（如 Rui 的回答中的“locf”）或随机抽样。 https://cran.r-project.org/web/packages/mice/index.html 包专门用于插补。