如何根据条件获取R中多列的中位数（根据另一列）

Question

我是 R 的初学者，我想知道如何完成以下任务：

我想用数据集中所有列的中位数替换数据集中缺失的值。但是，对于每一列，我想要某个类别的中位数（取决于另一列）。我的数据集如下

structure(list(Country = structure(1:5, .Label = c("Afghanistan", 
"Albania", "Algeria", "Andorra", "Angola"), class = "factor"), 
    CountryID = 1:5, Continent = c(1L, 2L, 3L, 2L, 3L), Adolescent.fertility.rate.... = c(151L, 
    27L, 6L, NA, 146L), Adult.literacy.rate.... = c(28, 98.7, 
    69.9, NA, 67.4)), class = "data.frame", row.names = c(NA, 
-5L))

因此，对于每一列，我想用 特定大陆中值的中位数替换缺失值。

Answer 1

这是一个使用库 dplyr 的解决方案。我调用了您的数据框 ww 并重命名了您的列：

library('dplyr')
ww %>% 
  rename(
    lit_rate = Adult.literacy.rate....
  ) %>% 
  group_by(
    Continent
  ) %>% 
  mutate(
    lit_rate = replace(
      lit_rate,
      is.na(lit_rate),
      median(lit_rate, na.rm = TRUE)
    )
  ) %>% 
  ungroup()

Answer 2

我们可以使用 dplyr::mutate_at 将每列中的 NA 替换为 [=14] 的中位数（Continent 和非数字列 Country 除外） =]组

df <- structure(list(Country = structure(1:5, .Label = c("Afghanistan",  "Albania", "Algeria", "Andorra", "Angola"), class = "factor"), 
               CountryID = 1:5, Continent = c(1L, 2L, 3L, 2L, 3L),
               Adolescent.fertility.rate.... = c(151L, 27L, 6L, NA, 146L),
               Adult.literacy.rate.... = c(28, 98.7, 69.9, NA, 67.4)), class = "data.frame", row.names = c(NA, -5L))

library(dplyr)
df %>%
  group_by(Continent) %>% 
  mutate_at(vars(-group_cols(), -Country), ~ifelse(is.na(.), median(., na.rm = TRUE), .)) %>% 
  ungroup()

Returns:

  # A tibble: 5 x 5
    Country     CountryID Continent Adolescent.fertility.rate.... Adult.literacy.rate....
    <fct>           <int>     <int>                         <int>                   <dbl>
  1 Afghanistan         1         1                           151                    28  
  2 Albania             2         2                            27                    98.7
  3 Algeria             3         3                             6                    69.9
  4 Andorra             4         2                            27                    98.7
  5 Angola              5         3                           146                    67.4

说明：首先，我们将 data.frame df 按 Continent 分组。然后我们通过以下方式改变所有列除了分组列（和 Country 不是数字）：如果 is.na 为真，我们将其替换为中位数，并且由于我们是分组的，因此它将成为 Continent 组的中位数（如果不是 NA 我们将其替换为自身）。最后我们调用 ungroup 来获得 'normal' tibble.

如何根据条件获取R中多列的中位数（根据另一列）

How do I get the median of multiple columns in R with conditions (according to another column)

r

median

conditional-statements