R 用均匀增长的中间值桥接上一个和下一个非NA值
用从上一个非NA值逐渐增长到下一个非NA值的中间值来填充数据帧列中缺少的NAs,哪种方法比较好 下面是一个例子:对于列成本,我想获得列成本估算,其中2014年至2016年间成本每年增加31美元,将上一个已知成本595美元与下一个已知成本720美元衔接起来 我想出的代码很长。有没有一种优雅的方法可以做到这一点R 用均匀增长的中间值桥接上一个和下一个非NA值,r,data.table,na,locf,R,Data.table,Na,Locf,用从上一个非NA值逐渐增长到下一个非NA值的中间值来填充数据帧列中缺少的NAs,哪种方法比较好 下面是一个例子:对于列成本,我想获得列成本估算,其中2014年至2016年间成本每年增加31美元,将上一个已知成本595美元与下一个已知成本720美元衔接起来 我想出的代码很长。有没有一种优雅的方法可以做到这一点 library(data.table) data = data.table(year=2000:2018, cost = c(100,120,NA,20
library(data.table)
data = data.table(year=2000:2018,
cost = c(100,120,NA,200,220,NA,NA,300,350,470,500,NA,NA,595,NA,NA,NA,720,800))
data[,cost_nas:=as.numeric(is.na(cost))]
## consecutive nas so far for each row:
data[, consecutive_nas_so_far := seq_len(.N), by=rleid(cost_nas)]
data[cost_nas==0,consecutive_nas_so_far:=0]
# total number of consecutive nas in the sequence
data[,total_number_of_consec_nas:=ifelse(consecutive_nas_so_far>0&shift(consecutive_nas_so_far,1,type = "lead")==0,consecutive_nas_so_far,NA)]
data[cost_nas==0,total_number_of_consec_nas:=0]
data[,total_number_of_consec_nas:=zoo::na.locf(total_number_of_consec_nas,fromLast=T)]
#get last and next known values for cost:
data[,cost_previous:=zoo::na.locf(cost)]
data[,cost_following:=zoo::na.locf(cost,fromLast=T)]
# apply the formula to calculate the gradual increase from cost_previous to cost_following
data[,cost_esti:=round(consecutive_nas_so_far*(cost_following-cost_previous)/(total_number_of_consec_nas+1)+cost_previous,0)]
data[is.na(cost_esti),cost_esti:=cost]
您可以使用
zoo::na.locf
和data.table::rleid
重新写入data.table操作。使用na.locf
添加两列,分别为lastnona
和nextNonNA
添加一列rleid
将为连续NA
提供不同的组。现在,您可以在lastnona
和nextNonNA
之间使用linear
编写逻辑来填充NA
library(data.table)
library(zoo)
#Data
data = data.table(year=2000:2018,
cost = c(100,120,NA,200,220,NA,NA,300,350,470,500,NA,NA,595,NA,NA,NA,720,800))
data[,':='(lastNonNA = na.locf(cost, fromLast = FALSE),
nextNonNA = na.locf(cost, fromLast = TRUE), Group_NA = rleid(is.na(cost)))][
,':='(IDX = 1:.N), by=Group_NA][
,':='(cost = ifelse(is.na(cost), lastNonNA + IDX*((nextNonNA - lastNonNA)/(.N+1)),cost)),
by=Group_NA][,.(year, cost)]
# year cost
# 1: 2000 100.0000
# 2: 2001 120.0000
# 3: 2002 160.0000 #Filled
# 4: 2003 200.0000
# 5: 2004 220.0000
# 6: 2005 246.6667 #Filled
# 7: 2006 273.3333 #Filled
# 8: 2007 300.0000
# 9: 2008 350.0000
# 10: 2009 470.0000
# 11: 2010 500.0000
# 12: 2011 531.6667 #Filled
# 13: 2012 563.3333 #Filled
# 14: 2013 595.0000
# 15: 2014 626.2500 #Filled
# 16: 2015 657.5000 #Filled
# 17: 2016 688.7500 #Filled
# 18: 2017 720.0000
# 19: 2018 800.0000
你要问的是一个线性插值。
对于使用NAs的数据,可以很容易地在R中获得它
在这种情况下,解决方案是:
library("imputeTS")
na_interpolation(data, option = "linear")
您也可以使用option=“spline”或“stine”,这样增加就不一定是严格线性的。两个建议:approx
和lm
/predict
都支持您用插值替换缺失值的逻辑。也许rowid(cumsum(!is.na(x))-1Loh-wow。Abrox在一行代码中完全满足了我的需要。数据[,成本估算:=(约为(成本,n=0.n))$y]。天才