R 插补中间缺失值

我有一组级别的数据。外观如下所示

I实际数据为“值”&所需数据为“预期值”

我尝试了以下代码：

setDT(file_to_share)[,Expected_Value := na.locf(na.locf(Value, na.rm=FALSE), fromLast=TRUE),by = c("Group_A",   "Group_B")]

但在该代码中，插补是对整个缺失值进行的。如果缺失值介于两个值之间，我想计算缺失值。缺少的值将是以前可用值的复制

如果有人能指导我怎么做，那将是一个很大的帮助

---

注意：我试图使用

数据进行计算。表

和

动物园

。但任何其他方法都可以

即使您正在寻找一个

data.table

解决方案，下面是一个使用

tidyverse

方法的解决方案。（如果时间允许，我可能会尝试翻译成

data.table

）

我们的想法是创建一个分组变量来捕获您的周数，并在分组a、分组B和分组周（此处称为

grp

）下填充

值。我们还创建了
Value
到
fill
fromlast（
tidyr
术语为
。direction='up'
）的副本。然后，我们用
NA
值的累积和创建另一个分组变量，并将
Value
列中的值替换为
NA
，前提是新的组大小（
groupa
，
groupb
，
grp
和
grp1
）为1，其
Value 1
为
NA
。这就给出了预期的结果

library(tidyverse)

df2 <- df1 %>% 
  mutate(Date = as.POSIXct(Date, format = '%m/%d/%Y')) %>% 
  mutate(value1 = Value) %>%
  group_by(Group_A, GROUP_B, grp = cumsum(format(Date, '%d')=='01'))%>% 
  fill(Value) %>% 
  fill(value1, .direction = 'up') %>% 
  mutate(grp1 = cumsum(is.na(Value))) %>% 
  group_by(Group_A, GROUP_B, grp, grp1) %>% 
  mutate(new = n(), Value = replace(Value, new == 1 | is.na(value1), NA)) %>%
  ungroup() %>%
  select(-c(value1, grp, grp1, new))

OP已要求仅填写
NA
值，这些值位于各组内其他值之间。这意味着在应用
zoo:：NA.locf（）
时，跳过每组开始或结束处的任何
NA
值序列

使用
data.table
，可以通过标识要跳过的行的索引和一种反连接来完成此操作：

解释

对于每组，
NA
/非
NA
值的条纹进行编号
将拾取每组中的第一个和最后一个条纹，并从特殊符号
.I
检索索引。（由于
值
将就地更新，因此第一条或最后一条条纹是否包含
NA
并不重要；它们无论如何都不会更新。）
找到的索引

DT[,，{na_grp尝试tidyr中的完整功能？@reuben:谢谢你的评论。不，我没有尝试tidyr。行
21:23
不应该也被填充吗？@Sotos:不。在第2组X第1组中，什么都不会被填充。那是因为“值”之间没有遗漏。我专门创建了这个示例来更好地突出我的问题。谢谢！美化书面回答。它满足了我的所有要求。谢谢！我通常不会改变我的标记答案。但不幸的是，我们的答案与我接近的方式非常相似。所以我不得不改变主意。但非常感谢你的答案。同样棒极了！！我还高估了你的一些答案。它们同样非常好。N问题。谢谢：）
# A tibble: 42 × 5
   Group_A   GROUP_B       Date Value Expected_Value
     <chr>     <chr>     <dttm> <int>          <int>
1  GROUP_1 Group_1_1 2017-01-01    NA             NA
2  GROUP_1 Group_1_1 2017-01-02    NA             NA
3  GROUP_1 Group_1_1 2017-01-03    34             34
4  GROUP_1 Group_1_1 2017-01-04    20             20
5  GROUP_1 Group_1_1 2017-01-05    20             20
6  GROUP_1 Group_1_1 2017-01-06    20             20
7  GROUP_1 Group_1_1 2017-01-07    38             38
8  GROUP_1 Group_1_2 2017-01-01    35             35
9  GROUP_1 Group_1_2 2017-01-02    28             28
10 GROUP_1 Group_1_2 2017-01-03    28             28
# ... with 32 more rows

#Where,

identical(df2$Value, df2$Expected_Value)
#[1] TRUE

library(data.table)
setDT(DT)[!DT[, {
  na_grp <- rleid(is.na(Value))
  .I[na_grp %in% c(1L, max(na_grp))]
}, by = .(Group_A, GROUP_B)]$V1, Value := zoo::na.locf(Value)][]

    Group_A    GROUP_B     Date Value Expected_Value
 1: GROUP_1  Group_1_1 1/1/2017    NA             NA
 2: GROUP_1  Group_1_1 1/2/2017    NA             NA
 3: GROUP_1  Group_1_1 1/3/2017    34             34
 4: GROUP_1  Group_1_1 1/4/2017    20             20
 5: GROUP_1  Group_1_1 1/5/2017    20             20
 6: GROUP_1  Group_1_1 1/6/2017    20             20
 7: GROUP_1  Group_1_1 1/7/2017    38             38
 8: GROUP_1  Group_1_2 1/1/2017    35             35
 9: GROUP_1  Group_1_2 1/2/2017    28             28
10: GROUP_1  Group_1_2 1/3/2017    20             28
11: GROUP_1  Group_1_2 1/4/2017    32             32
12: GROUP_1  Group_1_2 1/5/2017    39             39
13: GROUP_1  Group_1_2 1/6/2017    28             28
14: GROUP_1  Group_1_2 1/7/2017    NA             NA
15: GROUP_2 Group_1_11 1/1/2017    NA             NA
16: GROUP_2 Group_1_11 1/2/2017    NA             NA
17: GROUP_2 Group_1_11 1/3/2017    40             40
18: GROUP_2 Group_1_11 1/4/2017    32             32
19: GROUP_2 Group_1_11 1/5/2017    20             20
20: GROUP_2 Group_1_11 1/6/2017    NA             NA
21: GROUP_2 Group_1_11 1/7/2017    NA             NA
22: GROUP_2 Group_1_21 1/1/2017    NA             NA
23: GROUP_2 Group_1_21 1/2/2017    32             32
24: GROUP_2 Group_1_21 1/3/2017    36             36
25: GROUP_2 Group_1_21 1/4/2017    36             36
26: GROUP_2 Group_1_21 1/5/2017    28             28
27: GROUP_2 Group_1_21 1/6/2017    33             33
28: GROUP_2 Group_1_21 1/7/2017    40             40
29: GROUP_3 Group_1_13 1/1/2017    NA             NA
30: GROUP_3 Group_1_13 1/2/2017    NA             NA
31: GROUP_3 Group_1_13 1/3/2017    NA             NA
32: GROUP_3 Group_1_13 1/4/2017    29             29
33: GROUP_3 Group_1_13 1/5/2017    31             31
34: GROUP_3 Group_1_13 1/6/2017    31             31
35: GROUP_3 Group_1_13 1/7/2017    34             34
36: GROUP_3 Group_1_23 1/1/2017    26             26
37: GROUP_3 Group_1_23 1/2/2017    33             33
38: GROUP_3 Group_1_23 1/3/2017    27             27
39: GROUP_3 Group_1_23 1/4/2017    23             23
40: GROUP_3 Group_1_23 1/5/2017    25             25
41: GROUP_3 Group_1_23 1/6/2017    41             41
42: GROUP_3 Group_1_23 1/7/2017    25             25
    Group_A    GROUP_B     Date Value Expected_Value

DT <- structure(list(Group_A = c("GROUP_1", "GROUP_1", "GROUP_1", "GROUP_1", 
"GROUP_1", "GROUP_1", "GROUP_1", "GROUP_1", "GROUP_1", "GROUP_1", 
"GROUP_1", "GROUP_1", "GROUP_1", "GROUP_1", "GROUP_2", "GROUP_2", 
"GROUP_2", "GROUP_2", "GROUP_2", "GROUP_2", "GROUP_2", "GROUP_2", 
"GROUP_2", "GROUP_2", "GROUP_2", "GROUP_2", "GROUP_2", "GROUP_2", 
"GROUP_3", "GROUP_3", "GROUP_3", "GROUP_3", "GROUP_3", "GROUP_3", 
"GROUP_3", "GROUP_3", "GROUP_3", "GROUP_3", "GROUP_3", "GROUP_3", 
"GROUP_3", "GROUP_3"), GROUP_B = c("Group_1_1", "Group_1_1", 
"Group_1_1", "Group_1_1", "Group_1_1", "Group_1_1", "Group_1_1", 
"Group_1_2", "Group_1_2", "Group_1_2", "Group_1_2", "Group_1_2", 
"Group_1_2", "Group_1_2", "Group_1_11", "Group_1_11", "Group_1_11", 
"Group_1_11", "Group_1_11", "Group_1_11", "Group_1_11", "Group_1_21", 
"Group_1_21", "Group_1_21", "Group_1_21", "Group_1_21", "Group_1_21", 
"Group_1_21", "Group_1_13", "Group_1_13", "Group_1_13", "Group_1_13", 
"Group_1_13", "Group_1_13", "Group_1_13", "Group_1_23", "Group_1_23", 
"Group_1_23", "Group_1_23", "Group_1_23", "Group_1_23", "Group_1_23"
), Date = c("1/1/2017", "1/2/2017", "1/3/2017", "1/4/2017", "1/5/2017", 
"1/6/2017", "1/7/2017", "1/1/2017", "1/2/2017", "1/3/2017", "1/4/2017", 
"1/5/2017", "1/6/2017", "1/7/2017", "1/1/2017", "1/2/2017", "1/3/2017", 
"1/4/2017", "1/5/2017", "1/6/2017", "1/7/2017", "1/1/2017", "1/2/2017", 
"1/3/2017", "1/4/2017", "1/5/2017", "1/6/2017", "1/7/2017", "1/1/2017", 
"1/2/2017", "1/3/2017", "1/4/2017", "1/5/2017", "1/6/2017", "1/7/2017", 
"1/1/2017", "1/2/2017", "1/3/2017", "1/4/2017", "1/5/2017", "1/6/2017", 
"1/7/2017"), Value = c(NA, NA, 34L, 20L, NA, NA, 38L, 35L, 28L, 
NA, 32L, 39L, 28L, NA, NA, NA, 40L, 32L, 20L, NA, NA, NA, 32L, 
36L, NA, 28L, 33L, 40L, NA, NA, NA, 29L, 31L, NA, 34L, 26L, 33L, 
27L, 23L, 25L, 41L, 25L), Expected_Value = c(NA, NA, 34L, 20L, 
20L, 20L, 38L, 35L, 28L, 28L, 32L, 39L, 28L, NA, NA, NA, 40L, 
32L, 20L, NA, NA, NA, 32L, 36L, 36L, 28L, 33L, 40L, NA, NA, NA, 
29L, 31L, 31L, 34L, 26L, 33L, 27L, 23L, 25L, 41L, 25L)), .Names = c("Group_A", 
"GROUP_B", "Date", "Value", "Expected_Value"), row.names = c(NA, 
-42L), class = "data.frame")