替换R中缺少的值

我必须用ID将缺少的值替换为最大值（value）。在R中该怎么做

ID Value
 1    NA
 5    15
 8    16
 6     8
 7    65
 8    NA
 5    25
 1    62
 6    14
 7    NA
 9    11
 8    12
 9    36
 1    26
 4    13

---

我将首先使用对

aggregate（）

的调用预计算最大值，并预计算data.frame的哪些行具有NA值。然后，您可以将ID匹配到聚合表中，以提取相应的最大值

maxes <- aggregate(Value~ID,df,max,na.rm=T);
nas <- which(is.na(df$Value));
df$Value[nas] <- maxes$Value[match(df$ID[nas],maxes$ID)];
df;
##    ID Value
## 1   1    62
## 2   5    15
## 3   8    16
## 4   6     8
## 5   7    65
## 6   8    16
## 7   5    25
## 8   1    62
## 9   6    14
## 10  7    65
## 11  9    11
## 12  8    12
## 13  9    36
## 14  1    26
## 15  4    13

---

数据

df <- data.frame(ID=c(1L,5L,8L,6L,7L,8L,5L,1L,6L,7L,9L,8L,9L,1L,4L),Value=c(NA,15L,16L,8L,
65L,NA,25L,62L,14L,NA,11L,12L,36L,26L,13L));

---

##小规模（OP的示例输入）
df我将首先通过调用
aggregate（）
预计算最大值，并预计算data.frame中哪些行具有NA值。然后，您可以将ID匹配到聚合表中，以提取相应的最大值

maxes <- aggregate(Value~ID,df,max,na.rm=T);
nas <- which(is.na(df$Value));
df$Value[nas] <- maxes$Value[match(df$ID[nas],maxes$ID)];
df;
##    ID Value
## 1   1    62
## 2   5    15
## 3   8    16
## 4   6     8
## 5   7    65
## 6   8    16
## 7   5    25
## 8   1    62
## 9   6    14
## 10  7    65
## 11  9    11
## 12  8    12
## 13  9    36
## 14  1    26
## 15  4    13


数据

df <- data.frame(ID=c(1L,5L,8L,6L,7L,8L,5L,1L,6L,7L,9L,8L,9L,1L,4L),Value=c(NA,15L,16L,8L,
65L,NA,25L,62L,14L,NA,11L,12L,36L,26L,13L));


##小规模（OP的示例输入）
df一个使用
数据表的简单快速的解决方案。感谢@bgoldst提供包含
na.rm=T
的提示

library(data.table)

setDT(df)[ , Value := ifelse( is.na(Value), max(Value, na.rm=T), Value), by = ID]

使用
data.table
的简单快速解决方案。感谢@bgoldst提供包含
na.rm=T
的提示

library(data.table)

setDT(df)[ , Value := ifelse( is.na(Value), max(Value, na.rm=T), Value), by = ID]

我们可以使用
na.aggregate
和
data.table

library(data.table)
library(zoo)   
setDT(df)[, Value := na.aggregate(Value, FUN = max) , by = ID]
df
#    ID Value
# 1:  1    62
# 2:  5    15
# 3:  8    16
# 4:  6     8
# 5:  7    65
# 6:  8    16
# 7:  5    25
# 8:  1    62
# 9:  6    14
#10:  7    65
#11:  9    11
#12:  8    12
#13:  9    36
#14:  1    26
#15:  4    13

我们可以使用
na.aggregate
和
data.table

library(data.table)
library(zoo)   
setDT(df)[, Value := na.aggregate(Value, FUN = max) , by = ID]
df
#    ID Value
# 1:  1    62
# 2:  5    15
# 3:  8    16
# 4:  6     8
# 5:  7    65
# 6:  8    16
# 7:  5    25
# 8:  1    62
# 9:  6    14
#10:  7    65
#11:  9    11
#12:  8    12
#13:  9    36
#14:  1    26
#15:  4    13

请参阅以下关于分组的帖子：，欢迎使用堆栈溢出！请阅读相关信息以及如何给出建议。这将使其他人更容易帮助你。可能的重复请参阅以下关于分组的帖子：，欢迎使用堆栈溢出！请阅读相关信息以及如何给出建议。这将使其他人更容易帮助你。可能的重复你知道为什么下面的代码不起作用吗<代码>库（data.table）；setDT（df）[，Value:=ifelse（is.na（Value），max（Value），by=ID]
@rafa.pereira您必须将
na.rm=T
参数添加到
max（）
调用中，否则组中的任何na都会导致
max（）
的返回值为na。噢！当然再次感谢你。我已经发布了一个asnwer给你评分。请注意，基准测试不需要copy（）函数。它稍微扭曲了比较的结果。copy（）大约需要3微秒。不使用管道可以使dplyr解决方案更快一些
mutate（groupby（df，ID），Value=ifelse（is.na（Value），max（Value，na.rm=TRUE），Value））
使我的速度从863微秒提高到729微秒。你知道为什么下面的代码不起作用吗<代码>库（data.table）；setDT（df）[，Value:=ifelse（is.na（Value），max（Value），by=ID]
@rafa.pereira您必须将
na.rm=T
参数添加到
max（）
调用中，否则组中的任何na都会导致
max（）
的返回值为na。噢！当然再次感谢你。我已经发布了一个asnwer给你评分。请注意，基准测试不需要copy（）函数。它稍微扭曲了比较的结果。copy（）大约需要3微秒。不使用管道可以使dplyr解决方案更快一些
mutate（group_by（df，ID），Value=ifelse（is.na（Value），max（Value，na.rm=TRUE），Value））
将我的速度从863微秒提高到729微秒。感谢@Thierry提供此解决方案。。。我总是喜欢使用管道函数进行数据清理和准备。。。当我读到这个问题时，我的脑海里浮现出与你的答案完全相同的东西…谢谢@Thierry的这个解决方案。。。我总是喜欢使用管道函数进行数据清理和准备。。。当我读到这个问题时，我的脑海里浮现出与你的答案完全相同的东西。。。
library(data.table)
library(zoo)   
setDT(df)[, Value := na.aggregate(Value, FUN = max) , by = ID]
df
#    ID Value
# 1:  1    62
# 2:  5    15
# 3:  8    16
# 4:  6     8
# 5:  7    65
# 6:  8    16
# 7:  5    25
# 8:  1    62
# 9:  6    14
#10:  7    65
#11:  9    11
#12:  8    12
#13:  9    36
#14:  1    26
#15:  4    13