R 用列平均值替换缺少的值
我不知道如何在每列上循环以将NA值替换为列平均值。当我尝试使用以下内容替换一个列时，效果很好R 用列平均值替换缺少的值,r,missing-data,imputation,R,Missing Data,Imputation,我不知道如何在每列上循环以将NA值替换为列平均值。当我尝试使用以下内容替换一个列时，效果很好 Column1[is.na(Column1)] <- round(mean(Column1, na.rm = TRUE)) Column1[is.na（Column1）]对代码进行相对简单的修改应该可以解决这个问题： for(i in 1:ncol(data)){ data[is.na(data[,i]), i] <- mean(data[,i], na.rm = TRUE) } f
Column1[is.na(Column1)] <- round(mean(Column1, na.rm = TRUE))
Column1[is.na（Column1）]对代码进行相对简单的修改应该可以解决这个问题：
for(i in 1:ncol(data)){
data[is.na(data[,i]), i] <- mean(data[,i], na.rm = TRUE)
}
for（1中的i:ncol（数据））{
data[is.na（data[，i]），i]您也可以尝试：
cM <- colMeans(d1, na.rm=TRUE)
indx <- which(is.na(d1), arr.ind=TRUE)
d1[indx] <- cM[indx[,2]]
d1
cM要使用@akrun的样本数据添加到备选方案中，我将执行以下操作：
d1[] <- lapply(d1, function(x) {
x[is.na(x)] <- mean(x, na.rm = TRUE)
x
})
d1
d1[]如果DF
是数字列的数据框：
library(zoo)
na.aggregate(DF)
增加：
仅使用R的基定义一个函数，该函数对一列执行此操作，然后对每列执行lappy操作：
NA2mean <- function(x) replace(x, is.na(x), mean(x, na.rm = TRUE))
replace(DF, TRUE, lapply(DF, NA2mean))
NA2meanlappy
可以代替用于循环
d1[] <- lapply(d1, function(x) ifelse(is.na(x), mean(x, na.rm = TRUE), x))
d1[]类似于@Thomas指出的答案，
这也可以使用R的ifelse（）
方法完成：
for(i in 1:ncol(data)){
data[,i]=ifelse(is.na(data[,i]),
ave(data[,i],FUN=function(y) mean(y, na.rm = TRUE)),
data[,i])
}
在哪里,，
ifelse（测试，是，否）
的参数有：-
测试-要检查的逻辑条件
是-如果条件为真，则执行
否-条件为False时的其他情况
而ave（x，…，FUN=mean）
是R中用于计算x[]子集平均值的方法#假设我有一个数据帧，df如下-
# Lets say I have a dataframe , df as following -
df <- data.frame(a=c(2,3,4,NA,5,NA),b=c(1,2,3,4,NA,NA))
# create a custom function
fillNAwithMean <- function(x){
na_index <- which(is.na(x))
mean_x <- mean(x, na.rm=T)
x[na_index] <- mean_x
return(x)
}
(df <- apply(df,2,fillNAwithMean))
a b
2.0 1.0
3.0 2.0
4.0 3.0
3.5 4.0
5.0 2.5
3.5 2.5
df也有使用imputeTS包的快速解决方案：
library(imputeTS)
na_mean(yourDataFrame)
dplyr
的mutate\u all
或mutate\u at
在这里可能很有用：
library(dplyr)
set.seed(10)
df <- data.frame(a = sample(c(NA, 1:3) , replace = TRUE, 10),
b = sample(c(NA, 101:103), replace = TRUE, 10),
c = sample(c(NA, 201:203), replace = TRUE, 10))
df
#> a b c
#> 1 2 102 203
#> 2 1 102 202
#> 3 1 NA 203
#> 4 2 102 201
#> 5 NA 101 201
#> 6 NA 101 202
#> 7 1 NA 203
#> 8 1 101 NA
#> 9 2 101 203
#> 10 1 103 201
df %>% mutate_all(~ifelse(is.na(.x), mean(.x, na.rm = TRUE), .x))
#> a b c
#> 1 2.000 102.000 203.0000
#> 2 1.000 102.000 202.0000
#> 3 1.000 101.625 203.0000
#> 4 2.000 102.000 201.0000
#> 5 1.375 101.000 201.0000
#> 6 1.375 101.000 202.0000
#> 7 1.000 101.625 203.0000
#> 8 1.000 101.000 202.1111
#> 9 2.000 101.000 203.0000
#> 10 1.000 103.000 201.0000
df %>% mutate_at(vars(a, b),~ifelse(is.na(.x), mean(.x, na.rm = TRUE), .x))
#> a b c
#> 1 2.000 102.000 203
#> 2 1.000 102.000 202
#> 3 1.000 101.625 203
#> 4 2.000 102.000 201
#> 5 1.375 101.000 201
#> 6 1.375 101.000 202
#> 7 1.000 101.625 203
#> 8 1.000 101.000 NA
#> 9 2.000 101.000 203
#> 10 1.000 103.000 201
库（dplyr）
种子（10）
DFA b c
#> 1 2 102 203
#> 2 1 102 202
#>3 1 NA 203
#> 4 2 102 201
#>5 NA 101 201
#>6 NA 101 202
#>7 1 NA 203
#>81101 NA
#> 9 2 101 203
#> 10 1 103 201
df%>%mutate_all（~ifelse（is.na（.x），mean（.x，na.rm=TRUE），.x））
#>a、b、c
#> 1 2.000 102.000 203.0000
#> 2 1.000 102.000 202.0000
#> 3 1.000 101.625 203.0000
#> 4 2.000 102.000 201.0000
#> 5 1.375 101.000 201.0000
#> 6 1.375 101.000 202.0000
#> 7 1.000 101.625 203.0000
#> 8 1.000 101.000 202.1111
#> 9 2.000 101.000 203.0000
#> 10 1.000 103.000 201.0000
df%>%mutate_at（vars（a，b），~ifelse（is.na（.x），mean（.x，na.rm=TRUE），.x））
#>a、b、c
#> 1 2.000 102.000 203
#> 2 1.000 102.000 202
#> 3 1.000 101.625 203
#> 4 2.000 102.000 201
#> 5 1.375 101.000 201
#> 6 1.375 101.000 202
#> 7 1.000 101.625 203
#>81.000 101.000 NA
#> 9 2.000 101.000 203
#> 10 1.000 103.000 201
使用is的单衬里
如果您的df
包含非数字的列，则这比一行多花一点时间
mean_to_fill <- select_if(ungroup(df), is.numeric) %>%
colMeans(na.rm=T)
bind_cols(select(df, group1, group2, group3),
select_if(ungroup(df), is.numeric) %>%
tidyr::replace_na(as.list(mean_to_fill))
)
平均填充百分比
colMeans（na.rm=T）
绑定列（选择（df、组1、组2、组3），
如果（解组（df）为.numeric），则选择\>%
tidyr：：替换（如列表所示（平均填充））
)
简单地使用Zoo，它将简单地用列值的平均值替换所有NA值：
library(zoo)
na.aggregate(data)
使用data.table包，您可以使用set（）
函数并在列上循环，并使用您选择的聚合或值替换NA
s或任何您喜欢的内容（此处：平均值）：
require（data.table）
#资料
dt=复制（虹膜[，-5]）
setDT（dt）
dt[1:4，萼片长度：=NA]#引入NAs
#将NAs替换为mean（或任何您喜欢的函数）
对于（j）和（名称（dt）））{
set（dt，
i=这是.na（dt[[j]]），
j=j，
值=平均值（dt[[j]]，na.rm=TRUE））
}
用列的平均值替换缺少的值是一种统计上的错误做法。@Bonded我这样做的原因可能是因为如果我忽略了那些NA值，我的数据集会缩小到一个非常小的数字。你能建议什么是处理此类问题的最佳方法吗？如果你能提供一些到博客的链接，如果你想用作为一种快速破解方法，您可以尝试替换NA，例如平均值（x）+rnorm（长度（缺失（x））*sd（x）
。这将不考虑缺失之间的相关性（或测量数据的相关性），但至少不会严重夸大结果的重要性。最好是获得处理缺失值插补的软件包的经验。这个问题有很多微妙之处。@42-我意识到这个评论已经有几年了。但是，代码的字面意思是mean（x）+rnorm（length（missing）吗（x） ）*sd（x）
？当我运行它时，我在missing（x）中得到了错误：“missing”的用法无效。
。我希望它的目的是取x的可用值的平均值，然后加上rnorm（NAs的长度）*sd（x的可用值）。对吗？我喜欢渎职行：-）。我个人正在寻找一个快速的破解方法，因为我正在使用'98 KDD cup数据集，该数据集具有120多个NAs属性。我想删除其中的大多数属性，并且说明仅排除>=.995 NA…更像是伪代码。可能需要适当的索引，但可能需要rnorm（n=sum（is.NA（x）），mean=mean（x），sd=sd（x））
将更接近工作代码。非常感谢。我在处理数据中缺失的日期时遇到了另一个问题。我无法用上述方法替换日期。你能给我一些建议吗？你应该问这个问题then@A手推车和马海毛。这可能是因为我在编程方面的背景有限：公司做什么第三行中的ludingx
？稍微运行一下代码，我推断这里的要点是返回整个向量x
，而不仅仅是替换值，然后覆盖整个dfd1
（按照开放括号[/code>），而不是只覆盖NA
s.@DanielFletcher，这就差不多了。奇怪的是，这没有更多的投票权或最佳答案选择。非常简洁的实现。谢谢。有趣的是，在lapply之后，我从dplyr发出的“聚集”命令不起作用。：（我在
library(imputeTS)
na_mean(yourDataFrame)
library(dplyr)
set.seed(10)
df <- data.frame(a = sample(c(NA, 1:3) , replace = TRUE, 10),
b = sample(c(NA, 101:103), replace = TRUE, 10),
c = sample(c(NA, 201:203), replace = TRUE, 10))
df
#> a b c
#> 1 2 102 203
#> 2 1 102 202
#> 3 1 NA 203
#> 4 2 102 201
#> 5 NA 101 201
#> 6 NA 101 202
#> 7 1 NA 203
#> 8 1 101 NA
#> 9 2 101 203
#> 10 1 103 201
df %>% mutate_all(~ifelse(is.na(.x), mean(.x, na.rm = TRUE), .x))
#> a b c
#> 1 2.000 102.000 203.0000
#> 2 1.000 102.000 202.0000
#> 3 1.000 101.625 203.0000
#> 4 2.000 102.000 201.0000
#> 5 1.375 101.000 201.0000
#> 6 1.375 101.000 202.0000
#> 7 1.000 101.625 203.0000
#> 8 1.000 101.000 202.1111
#> 9 2.000 101.000 203.0000
#> 10 1.000 103.000 201.0000
df %>% mutate_at(vars(a, b),~ifelse(is.na(.x), mean(.x, na.rm = TRUE), .x))
#> a b c
#> 1 2.000 102.000 203
#> 2 1.000 102.000 202
#> 3 1.000 101.625 203
#> 4 2.000 102.000 201
#> 5 1.375 101.000 201
#> 6 1.375 101.000 202
#> 7 1.000 101.625 203
#> 8 1.000 101.000 NA
#> 9 2.000 101.000 203
#> 10 1.000 103.000 201
library(tidyr)
replace_na(mtcars,as.list(colMeans(mtcars,na.rm=T)))
mean_to_fill <- select_if(ungroup(df), is.numeric) %>%
colMeans(na.rm=T)
bind_cols(select(df, group1, group2, group3),
select_if(ungroup(df), is.numeric) %>%
tidyr::replace_na(as.list(mean_to_fill))
)
library(zoo)
na.aggregate(data)