用 data.table 的同一列的平均值替换 NA

Question

我想用同一列的平均值替换 DATA TABLE 列中的 NA。我正在做以下事情。但它不起作用。

ww <- data.table(iris)

ww <- ww[1:5 , ]

ww[1,1] <- NA

   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1:           NA         3.5          1.4         0.2  setosa
2:          4.9         3.0          1.4         0.2  setosa
3:          4.7         3.2          1.3         0.2  setosa
4:          4.6         3.1          1.5         0.2  setosa
5:          5.0         3.6          1.4         0.2  setosa


ww[is.na(Sepal.Length) , Sepal.Length:= mean(Sepal.Length, na.rm = T)]

   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1:          NaN         3.5          1.4         0.2  setosa
2:          4.9         3.0          1.4         0.2  setosa
3:          4.7         3.2          1.3         0.2  setosa
4:          4.6         3.1          1.5         0.2  setosa
5:          5.0         3.6          1.4         0.2  setosa

当 NA 应该是其余值（4.9、4.7、4.6、5.0）的平均值时，为什么我用 NaN 代替 NA？

如果此语法有问题，有什么替代方法可以实现此目的？

我想要数据的语法 table。

Answer 1

它没有取整个 Sepal.Length 列的平均值；只有您选择的第 1 列。

而是使用：

ww[is.na(Sepal.Length) , Sepal.Length:= mean(ww$Sepal.Length, na.rm=TRUE)]

Answer 2

在基数 R 中：

ww$Sepal.Length[is.na(ww$Sepal.Length)] <- mean(ww$Sepal.Length, na.rm = T)

Answer 3

您尝试首先对 table 进行子集化，选择

> ww[is.na(Sepal.Length)]
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1:   

    NA         3.5          1.4         0.2  setosa

所以任何进一步的操作只能 'see' 这些行 - 即 Sepal.Length 只能看到一个 NA.

您想要的 data.table 解决方案如下 - 它查看整个 table 并使用 ifelse.[=17 的方法替换 NAs =]

ww[, Sepal.Length := ifelse(is.na(Sepal.Length), mean(Sepal.Length, na.rm = TRUE), Sepal.Length)]

Answer 4

na.aggregate 在 zoo 包中将 NAs 替换为同一列中非 NAs 的平均值：

library(zoo)

ww[, Sepal.Length := na.aggregate(Sepal.Length)]

Answer 5

虽然 zoo 答案非常好，但它需要新的依赖项。
仅使用 data.table 您可以执行以下操作。

library(data.table)

# prepare data
ww = data.table(iris[1:5,])
ww[1, Sepal.Length := NA]

# solution
ww[, Sepal.Length.mean := mean(Sepal.Length, na.rm = TRUE) # calculate mean
   ][is.na(Sepal.Length), Sepal.Length := Sepal.Length.mean # replace NA with mean
     ][, Sepal.Length.mean := NULL # remove mean col
       ][] # just prints

虽然它与动物园的相比可能看起来更大，但它的性能是高效的，因为所有步骤都是使用 通过引用更新 := 进行的。它也可以很容易地调整为按组用均值替换 NA，只需使用 data.table 中的 by 参数。

Answer 6

tidyr 有一个内置函数，replace_na 你可以使用它：

library(tidyr)
ww %>% replace_na(list(Sepal.Length = mean(.$Sepal.Length, na.rm = TRUE)))

用 data.table 的同一列的平均值替换 NA

Replace NAs with mean of the same column of a data.table

r

data.table