Finden und ersetzen Sie fehlende Werte mit der Zeile bedeuten

Habe ich einen Daten-frame mit NAs und ich möchte Sie ersetzen die NAs mit der Zeile bedeutet

c1 = c(1,2,3,NA)
c2 = c(3,1,NA,3)
c3 = c(2,1,3,1)

df = data.frame(c1,c2,c3)

> df
  c1 c2 c3
1  1  3  2
2  2  1  1
3  3 NA  3
4 NA  3  1

so, dass 

> df
  c1 c2 c3
1  1  3  2
2  2  1  1
3  3  3  3
4  2  3  1
InformationsquelleAutor Brian | 2013-07-23
  1. 10

    Sehr ähnlich zu @baptiste Antwort

    > ind <- which(is.na(df), arr.ind=TRUE)
> df[ind] <- rowMeans(df,  na.rm = TRUE)[ind[,1]]
    • +1 gute Nutzung der oft übersehen arr.ind argument
    • Ich fand, wenn ich ganze Zeilen von NAs, tritt ein Fehler auf. Ist es die richtige Etikette zu stellen, dies als eine ganz neue Frage?
    InformationsquelleAutor Jilber Urbina
  2. 4

    Denke ich, dass dies funktioniert,

    df[which(is.na(df), arr.ind=TRUE)] <- rowMeans(df[!complete.cases(df), ], na.rm=TRUE)
    • +1 schöne Lösung!! Viel besser als meine faul apply!
    • es ist ein wenig überflüssig, beide zu verwenden ist.na und vollständig sind.Fällen ; es ist wohl eher eine mehr effiziente Art und Weise in zwei Zeilen
    • Wie dieses vielleicht? idx <- which(is.na(df), arr.ind=TRUE); df[ idx ] <- rowMeans( df[ idx[,1] , ], na.rm=TRUE)
    • Jiber schlagen uns auf Sie
    • Ha Ha, ja habe ich gerade gesehen!
    • Ich bin verlassen Sie diese zum Wohle der Sorte; auch die complete.cases Teil könnte nützlich sein, in einer anderen situation

    InformationsquelleAutor baptiste
  3. 3

    Mit apply (beachten Sie das zurückgegebene Objekt ist ein matrix):

    t( apply( df , 1 , function(x) { x[ is.na(x) ] = mean( x , na.rm = TRUE ); x } ) )
     c1 c2 c3
[1,]  1  3  2
[2,]  2  1  1
[3,]  3  3  3
[4,]  2  3  1

    Nutzen wir jede anonyme Funktion zum ändern der Werte von einzelnen NA in jeder Zeile die mean der Zeile. Der einzige Vorteil ist, dass man gar nicht mehr eingeben, wenn die Anzahl der Zeilen erhöht. Es ist nicht besonders effizient oder schnell in einen rechnerischen Sinne, sondern mehr so in einem kognitiven Sinne (Sie werden nicht merken, es sei denn, Sie haben 000,000 von Zeilen).

    InformationsquelleAutor Simon O'Hanlon
  4. 2

    Meine Lösung ist 

    rwmns = rowMeans(df,na.rm=TRUE)
df$c1[is.na(df$c1)] = rwmns[is.na(df$c1)]
df$c2[is.na(df$c2)] = rwmns[is.na(df$c2)]
df$c3[is.na(df$c3)] = rwmns[is.na(df$c3)]
> df
  c1 c2 c3
1  1  3  2
2  2  1  1
3  3  3  3
4  2  3  1

    Gibt es eine elegantere Art und Weise, vor allem, wenn jemand viele Spalten hat?

    • Tolle Arbeit, kommen mit Ihrer eigenen Lösung. Sie können [[ index statt, so dass jede Zeile wird df[[col_name]][is.na(df[[col_name]])] <- rwmns[is.na(df[[col_name]]). So können Sie mit einer Schleife, oder verwenden Sie eine Familie gelten, über die Spaltennamen, die Sie durchführen wollen, Ersatz auf.
    InformationsquelleAutor Brian
  5. 2

    Weitere option ist na.aggregate aus library(zoo) nach der Umsetzung des dataset

    library(zoo)
df[] <- t(na.aggregate(t(df)))
df
#  c1 c2 c3
#1  1  3  2
#2  2  1  1
#3  3  3  3
#4  2  3  1
    InformationsquelleAutor akrun
Schreibe einen Kommentar