填补缺失的水平

Question

我有以下类型的数据框：

Country <- rep(c("USA", "AUS", "GRC"),2)
Year    <- 2001:2006
Level   <- c("rich","middle","poor",rep(NA,3))
df <- data.frame(Country, Year,Level)

df 
Country Year  Level
1     USA 2001   rich
2     AUS 2002 middle
3     GRC 2003   poor
4     USA 2004   <NA>
5     AUS 2005   <NA>
6     GRC 2006   <NA>

我想在右列的最后用正确的级别标签填充缺失值。

所以预期的结果应该是这样的：

Country Year  Level
1     USA 2001   rich
2     AUS 2002 middle
3     GRC 2003   poor
4     USA 2004   rich
5     AUS 2005 middle
6     GRC 2006   poor

Answer 1

library(dplyr)

df %>% 
  group_by(Country) %>% 
  mutate(Level = replace(Level, is.na(Level), unique(na.omit(Level))))

  Country  Year  Level
   <fctr> <int> <fctr>
1     USA  2001   rich
2     AUS  2002 middle
3     GRC  2003   poor
4     USA  2004   rich
5     AUS  2005 middle
6     GRC  2006   poor

或者，更简洁地说，应用@suchait 的想法来使用 na.locf:

df %>% 
  group_by(Country) %>% 
  mutate(Level = zoo::na.locf(Level))

Answer 2

您可以使用 data.table 和 zoo:-

library(data.table)
library(zoo)
setDT(df)
df[, Level := na.locf(Level), by = Country]

这会给你：-

   Country Year  Level
1:     USA 2001   rich
2:     AUS 2002 middle
3:     GRC 2003   poor
4:     USA 2004   rich
5:     AUS 2005 middle
6:     GRC 2006   poor

Answer 3

我们可以按 'Country' 分组并获得非 NA 唯一值

library(dplyr)
df %>%
    group_by(Country) %>% 
    dplyr::mutate(Level = Level[!is.na(Level)][1])
# A tibble: 6 x 3
# Groups:   Country [3]
#  Country  Year  Level
#   <fctr> <int> <fctr>
#1     USA  2001   rich
#2     AUS  2002 middle
#3     GRC  2003   poor
#4     USA  2004   rich
#5     AUS  2005 middle
#6     GRC  2006   poor

如果我们已经加载 dplyr 和 plyr，最好明确指定 dplyr::mutate 或 dplyr::summarise 以便它使用 dplyr 中的函数]. plyr 中有相同的功能，当两者都加载时，它可能会屏蔽 dplyr 中的功能，从而产生不同的行为。

Answer 4

在基础 R 中，您可以使用 ave():

transform(df, Level = ave(Level, Country, FUN = na.omit))

#   Country Year  Level
# 1     USA 2001   rich
# 2     AUS 2002 middle
# 3     GRC 2003   poor
# 4     USA 2004   rich
# 5     AUS 2005 middle
# 6     GRC 2006   poor

另一种更准确的可能性是使用连接。在这里，我们将 Country 列与 NA 省略的数据合并。结果是一样的，只是行顺序不同。

merge(df["Country"], na.omit(df))

#   Country Year  Level
# 1     AUS 2002 middle
# 2     AUS 2002 middle
# 3     GRC 2003   poor
# 4     GRC 2003   poor
# 5     USA 2001   rich
# 6     USA 2001   rich

Answer 5

使用 dplyr and tidyr 的解决方案。

library(dplyr)
library(tidyr)

df %>%
  arrange(Country) %>%
  fill(Level) %>%
  arrange(Year)
#   Country Year  Level
# 1     USA 2001   rich
# 2     AUS 2002 middle
# 3     GRC 2003   poor
# 4     USA 2004   rich
# 5     AUS 2005 middle
# 6     GRC 2006   poor

Answer 6

这是另一个 data.table 解决方案，它 使用 查找 table 在加入 时更新给定的数据集本身：

library(data.table)
setDT(df)[df[!is.na(Level)], on = .(Country), Level := Level][]

   Country Year  Level
1:     USA 2001   rich
2:     AUS 2002 middle
3:     GRC 2003   poor
4:     USA 2004   rich
5:     AUS 2005 middle
6:     GRC 2006   poor

填补缺失的水平

Filling missing levels

r

missing-data