R用组内另一个列值的下一个值替换NA值

Question

我有一个数据框如下

tmpdf <- data.frame(spaceNum=c(1,1,1,2,2,2,2), time.IN=c("2015-09-04 16:30", "2015-09-04 19:50", "2015-09-04 21:00", "2015-09-05 12:00", "2015 09-05 13:00", "2015 09-05 16:00", "2015 09-05 17:00"), time.OUT= c("2015-09-04 18:00", "NA", "NA","NA", "2015-09-05 13:21", "2015 09-05 16:48", "NA"))

> tmpdf
  spaceNum          time.IN         time.OUT
1        1 2015-09-04 16:30 2015-09-04 18:00
2        1 2015-09-04 19:50               NA
3        1 2015-09-04 21:00               NA
4        2 2015-09-05 12:00               NA
5        2 2015 09-05 13:00 2015-09-05 13:21
6        2 2015 09-05 16:00 2015 09-05 16:48
7        2 2015 09-05 17:00               NA
>

我想将 time.OUT 的 NA 值替换为 time.IN 的下一行值，该值不为 NULL，并且在同一 spaceNum 组中。即，以下是我的预期结果。

 spaceNum          time.IN         time.OUT
    1        1 2015-09-04 16:30 2015-09-04 18:00
    2        1 2015-09-04 19:50 2015-09-04 21:00
    3        1 2015-09-04 21:00               NA
    4        2 2015-09-05 12:00 2015-09-05 13:00
    5        2 2015 09-05 13:00 2015-09-05 13:21
    6        2 2015 09-05 16:00 2015 09-05 16:48
    7        2 2015 09-05 17:00               NA

似乎 dplyr 或 data.table 可以做到这一点，我已经搜索了以前的问题，但还没有找到正确的方法。

这对于专家 R 用户来说可能是简单的问题，但对我来说，它已经让我兴奋了几个小时，但没有找到好的解决方案。请帮我！！谢谢。

Answer 1

试试这个，

首先使用字符向量而不是因子构建 df。然后将所有 NA 值放入 sapply。 sapply 中的函数查找同一天发生的 NA 之后的下一个 time.IN。并将它们从原始 df 中拉出。最后将它们分配给 df 的 NA 值。

tmpdf <- data.frame(spaceNum=c(1,1,1,2,2,2,2), 
time.IN=c("2015-09-04 16:30", "2015-09-04 19:50", "2015-09-04 21:00", "2015-09-05 12:00", "2015 09-05 13:00", "2015 09-05 16:00", "2015 09-05 17:00"), 
time.OUT= c("2015-09-04 18:00", NA, NA,NA, "2015-09-05 13:21", "2015 09-05 16:48", NA),stringsAsFactors = F)

tmp<-tmpdf[unlist(
             sapply(which(is.na(tmpdf[,3])),function(x){
               if(tmpdf[x,1]==tmpdf[x+1,1] && !is.na(tmpdf[x,1]==tmpdf[x+1,1])) x+1 
               else NA
               })), 2]

tmpdf[which(is.na(tmpdf[,3])),3]<-tmp

> tmpdf
  spaceNum          time.IN         time.OUT
1        1 2015-09-04 16:30 2015-09-04 18:00
2        1 2015-09-04 19:50 2015-09-04 21:00
3        1 2015-09-04 21:00             <NA>
4        2 2015-09-05 12:00 2015 09-05 13:00
5        2 2015 09-05 13:00 2015-09-05 13:21
6        2 2015 09-05 16:00 2015 09-05 16:48
7        2 2015 09-05 17:00             <NA>

Answer 2

这是一个可能的 dplyr 解决方案。这是ifelse和lead的组合，而由于使用ifelse[=16导致信息丢失，最终产品应该再次转换为as.POSIXct =]

library(dplyr)
tmpdf %>%
  group_by(spaceNum) %>%
  mutate(time.OUT = as.POSIXct(ifelse(is.na(time.OUT), lead(time.IN), time.OUT), origin = "1970-01-01"))
# Source: local data frame [7 x 3]
# Groups: spaceNum
# 
#   spaceNum             time.IN            time.OUT
# 1        1 2015-09-04 16:30:00 2015-09-04 18:00:00
# 2        1 2015-09-04 19:50:00 2015-09-04 21:00:00
# 3        1 2015-09-04 21:00:00                <NA>
# 4        2 2015-09-05 12:00:00 2015-09-05 13:00:00
# 5        2 2015-09-05 13:00:00 2015-09-05 13:21:00
# 6        2 2015-09-05 16:00:00 2015-09-05 16:48:00
# 7        2 2015-09-05 17:00:00                <NA>

Answer 3

我们可以使用data.table来做到这一点。在将 'data.frame' 转换为 'data.table' (setDT(tmpdf)) 之后，我们将 factor 'time' 列转换为 character class。在这里，我假设 NA 是真实的 NA 而不是字符串。按 'spaceNum' 分组，我们使用 data.table 的开发版本中的 shift 创建一个新列 'v1'。将 'time.OUT' 值分配给对应于 'time.out' 中 NA 元素的 'v1'。我们还可以将不需要的列分配给 'NULL'，即 'v1'

library(data.table)#v1.9.5+
setDT(tmpdf)[, (2:3) :=lapply(.SD, as.character), .SDcols=2:3]
tmpdf[, v1:=shift(time.IN, type='lead'), spaceNum][is.na(time.OUT), 
                   time.OUT:= v1][, v1:= NULL]
tmpdf
#   spaceNum          time.IN         time.OUT
#1:        1 2015-09-04 16:30 2015-09-04 18:00
#2:        1 2015-09-04 19:50 2015-09-04 21:00
#3:        1 2015-09-04 21:00               NA
#4:        2 2015-09-05 12:00 2015 09-05 13:00
#5:        2 2015 09-05 13:00 2015-09-05 13:21
#6:        2 2015 09-05 16:00 2015 09-05 16:48
#7:        2 2015 09-05 17:00               NA

注意到在示例数据集中，除了字符 "NA" 之外，我们还为 'time' 列设置了多种格式。即 2015 09-05 16:48 和 2015-09-05 13:21。如果我们需要转换为 POSIXct，我们可以使用 library(lubridate)，因为它可以采用多种格式。

library(lubridate)
tmpdf[, (2:3) := lapply(.SD, ymd_hm), .SDcols=2:3]
tmpdf
#  spaceNum             time.IN            time.OUT
#1:        1 2015-09-04 16:30:00 2015-09-04 18:00:00
#2:        1 2015-09-04 19:50:00 2015-09-04 21:00:00
#3:        1 2015-09-04 21:00:00                <NA>
#4:        2 2015-09-05 12:00:00 2015-09-05 13:00:00
#5:        2 2015-09-05 13:00:00 2015-09-05 13:21:00
#6:        2 2015-09-05 16:00:00 2015-09-05 16:48:00
#7:        2 2015-09-05 17:00:00                <NA>

R用组内另一个列值的下一个值替换NA值

R Replacing NA values with the next value of another column value within groups

r

dplyr

data.table