Fatal编程技术网
  • r/
  • R 如何使用“sapply（）”从类别中的组中插补值？

R 如何使用“sapply（）”从类别中的组中插补值？

r

R 如何使用“sapply（）”从类别中的组中插补值？,r,sapply,imputation,R,Sapply,Imputation,我想用特定的ctry方法对cat1中所有ctry的val中的缺失进行估算 数据示例 set.seed(654) df1 <- data.frame( year=rep(2000:2005, each=5), ctry=rep(LETTERS[1:5], 6), val=rnorm(30) ) df1$cat <- ifelse(df1$ctry %in% c("A", "B"), 1, 0) df1[sample(nrow(df1), 12), "val"] <-

我想用特定的
ctry
方法对
cat1
中所有
ctry
的
val
中的缺失进行估算

数据示例

set.seed(654)
df1 <- data.frame(
  year=rep(2000:2005, each=5),
  ctry=rep(LETTERS[1:5], 6),
  val=rnorm(30)
)
df1$cat <- ifelse(df1$ctry %in% c("A", "B"), 1, 0)
df1[sample(nrow(df1), 12), "val"] <- NA
> head(df1)
  year ctry         val cat
1 2000    A -0.76031762   1
2 2000    B -0.38970450   1
3 2000    C  1.68962523   0
4 2000    D          NA   0
5 2000    E  0.09530146   0
6 2001    A          NA   1
现在我成功地按国家手动插补：

df2 <- df1
df2$val[df2$ctry %in% names(cat1)[1] & is.na(df2$val)] <- cat1[1]
> head(df2)
  year ctry         val cat
1 2000    A -0.76031762   1
2 2000    B -0.38970450   1
3 2000    C  1.68962523   0
4 2000    D          NA   0
5 2000    E  0.09530146   0
6 2001    A -0.49758245   1
预期输出将是一个完整的数据框架，其中包含类别
cat1

中国家的特定插补平均值。您可以尝试使用
group\u by
的
tidyverse
方法，以获得每
ctry
的平均值。然后使用
ifelse
更新
NA
。添加了一个新列
val2
，以说明正在发生的情况。您可以编写
“val”
来覆盖该列

library(tidyverse)
df1 %>% 
  group_by(ctry) %>% 
  mutate(Mean=mean(val, na.rm = T)) %>% 
  mutate(val2=ifelse(is.na(val) & cat == 1, Mean, val)) %>% 
  ungroup()
# A tibble: 30 x 6
    year ctry       val   cat    Mean     val2
   <int> <fct>    <dbl> <dbl>   <dbl>    <dbl>
 1  2000 A      -0.760      1 -0.498   -0.760 
 2  2000 B      -0.390      1 -0.614   -0.390 
 3  2000 C       1.69       0  0.397    1.69  
 4  2000 D      NA          0 -0.0321  NA     
 5  2000 E       0.0953     0 -0.513    0.0953
 6  2001 A      NA          1 -0.498   -0.498 
 7  2001 B      NA          1 -0.614   -0.614 
 8  2001 C      NA          0  0.397   NA     
 9  2001 D      NA          0 -0.0321  NA     
10  2001 E      NA          0 -0.513   NA     
# ... with 20 more rows

库（tidyverse）
df1%>%
组别（中心）%>%
突变（平均值=平均值（val，na.rm=T））%>%
突变（val2=ifelse（is.na（val）&cat==1，Mean，val））%>%
解组（）
#一个tibble:30x6
年份ctry val cat平均值2
1200A-0.7601-0.498-0.760
2000B-0.3901-0.614-0.390
3 2000 C 1.69 0.397 1.69
4 2000 D钠0-0.0321钠
52000 E 0.0953 0-0.513 0.0953
6 2001 A NA 1-0.498-0.498
7 2001 B NA 1-0.614-0.614
8 2001 C NA 0.397 NA
9 2001 D NA 0-0.0321 NA
10 2001 eNa 0-0.513 NA
# ... 还有20行
您可以尝试使用
groupby
的
tidyverse
方法来获得每
ctry
的平均值。然后使用
ifelse
更新
NA
。添加了一个新列
val2
，以说明正在发生的情况。您可以编写
“val”
来覆盖该列

library(tidyverse)
df1 %>% 
  group_by(ctry) %>% 
  mutate(Mean=mean(val, na.rm = T)) %>% 
  mutate(val2=ifelse(is.na(val) & cat == 1, Mean, val)) %>% 
  ungroup()
# A tibble: 30 x 6
    year ctry       val   cat    Mean     val2
   <int> <fct>    <dbl> <dbl>   <dbl>    <dbl>
 1  2000 A      -0.760      1 -0.498   -0.760 
 2  2000 B      -0.390      1 -0.614   -0.390 
 3  2000 C       1.69       0  0.397    1.69  
 4  2000 D      NA          0 -0.0321  NA     
 5  2000 E       0.0953     0 -0.513    0.0953
 6  2001 A      NA          1 -0.498   -0.498 
 7  2001 B      NA          1 -0.614   -0.614 
 8  2001 C      NA          0  0.397   NA     
 9  2001 D      NA          0 -0.0321  NA     
10  2001 E      NA          0 -0.513   NA     
# ... with 20 more rows

库（tidyverse）
df1%>%
组别（中心）%>%
突变（平均值=平均值（val，na.rm=T））%>%
突变（val2=ifelse（is.na（val）&cat==1，Mean，val））%>%
解组（）
#一个tibble:30x6
年份ctry val cat平均值2
1200A-0.7601-0.498-0.760
2000B-0.3901-0.614-0.390
3 2000 C 1.69 0.397 1.69
4 2000 D钠0-0.0321钠
52000 E 0.0953 0-0.513 0.0953
6 2001 A NA 1-0.498-0.498
7 2001 B NA 1-0.614-0.614
8 2001 C NA 0.397 NA
9 2001 D NA 0-0.0321 NA
10 2001 eNa 0-0.513 NA
# ... 还有20行
如果我的理解正确，您希望自动完成最后一个过程

sapply(seq_along(cat1), 
 function(x) df2$val[df2$ctry %in% names(cat1)[x] & is.na(df2$val)] <<- cat1[x])

> df2
   year ctry          val cat
1  2000    A -0.760317618   1
2  2000    B -0.389704501   1
3  2000    C  1.689625228   0
4  2000    D           NA   0
5  2000    E  0.095301460   0
6  2001    A -0.497582454   1
7  2001    B -0.613936417   1
8  2001    C           NA   0
9  2001    D           NA   0
10 2001    E           NA   0
11 2002    A -0.107260116   1
12 2002    B -0.838168333   1
13 2002    C -0.982605890   0
14 2002    D -0.820370986   0
15 2002    E -0.871432562   0
16 2003    A -0.497582454   1
17 2003    B -0.613936417   1
18 2003    C -0.006557849   0
19 2003    D  0.661696295   0
20 2003    E -0.762828067   0
21 2004    A -0.286692466   1
22 2004    B -0.613936417   1
23 2004    C  0.512579937   0
24 2004    D  0.722127317   0
25 2004    E           NA   0
26 2005    A -0.836059616   1
27 2005    B -0.613936417   1
28 2005    C  0.774016151   0
29 2005    D -0.691866605   0
30 2005    E           NA   0

sapply（沿第1类），

函数（x）df2$val[df2$ctry%在%names（cat1）[x]&is.na（df2$val）]如果我的理解正确，您希望自动完成最后一个过程


sapply(seq_along(cat1), 
 function(x) df2$val[df2$ctry %in% names(cat1)[x] & is.na(df2$val)] <<- cat1[x])

> df2
   year ctry          val cat
1  2000    A -0.760317618   1
2  2000    B -0.389704501   1
3  2000    C  1.689625228   0
4  2000    D           NA   0
5  2000    E  0.095301460   0
6  2001    A -0.497582454   1
7  2001    B -0.613936417   1
8  2001    C           NA   0
9  2001    D           NA   0
10 2001    E           NA   0
11 2002    A -0.107260116   1
12 2002    B -0.838168333   1
13 2002    C -0.982605890   0
14 2002    D -0.820370986   0
15 2002    E -0.871432562   0
16 2003    A -0.497582454   1
17 2003    B -0.613936417   1
18 2003    C -0.006557849   0
19 2003    D  0.661696295   0
20 2003    E -0.762828067   0
21 2004    A -0.286692466   1
22 2004    B -0.613936417   1
23 2004    C  0.512579937   0
24 2004    D  0.722127317   0
25 2004    E           NA   0
26 2005    A -0.836059616   1
27 2005    B -0.613936417   1
28 2005    C  0.774016151   0
29 2005    D -0.691866605   0
30 2005    E           NA   0



sapply（沿第1类），
基R中的函数（x）df2$val[df2$ctry%在%names（cat1）[x]和is.na（df2$val）]：


set.seed(654)
df1 <- data.frame(
  year=rep(2000:2005, each=5),
  ctry=rep(LETTERS[1:5], 6),
  val=rnorm(30)
)
df1$cat <- ifelse(df1$ctry %in% c("A", "B"), 1, 0)
df1[sample(nrow(df1), 12), "val"] <- NA

# want:
my_means <- tapply(df1$val, df1$ctry, mean, na.rm = TRUE)
df1$val <- ifelse(is.na(df1$val), my_means[df1$ctry], df1$val)



set.seed（654）
基R中的df1


set.seed(654)
df1 <- data.frame(
  year=rep(2000:2005, each=5),
  ctry=rep(LETTERS[1:5], 6),
  val=rnorm(30)
)
df1$cat <- ifelse(df1$ctry %in% c("A", "B"), 1, 0)
df1[sample(nrow(df1), 12), "val"] <- NA

# want:
my_means <- tapply(df1$val, df1$ctry, mean, na.rm = TRUE)
df1$val <- ifelse(is.na(df1$val), my_means[df1$ctry], df1$val)



set.seed（654）

df1谢谢，确实是不错的
tidyverse
方法！只需在
ifelse（）
中添加
&cat==1
，只有
cat==1
的国家才会被插补。我依赖于
sapply（）
即基本R方法。@jaySf是的，这是正确的方法。刚刚编辑了我的答案。谢谢，确实是不错的
tidyverse
方法！只需在
ifelse（）
中添加
&cat==1
，只有
cat==1
的国家才会被插补。我依赖于
sapply（）
即基本R方法。@jaySf是的，这是正确的方法。刚刚编辑了我的答案。