R 如果嵌套列表中至少有一个值不是NA，则替换嵌套列表中的NA

我有两个相同嵌套列表（或列表列表）的版本。嵌套列表中的每个列表包含不同数量的向量（向量仅包含整数）

• 包含列表中所有数据的“完整”版本
• “缺失”版本-与完整版本相同，但部分整数随机替换为NA

一些示例数据：

#complete list
L.full<-list(list(1,3,c(0,2,0),c(0,0)),list(1,6,c(0,3,2,0,1,0),c(0,0,0,1,0,0),1,2,c(0,1),2,c(0,0)),
     list(1,0),list(1,0),list(1,4,c(2,0,0,0),c(4,1),c(1,0,0,0,0),0))

#"randomly" allocated NAs
L.miss<-list(list(1,3,c(0,NA,0),c(0,0)),list(1,6,c(0,3,NA,0,NA,0),c(0,NA,0,1,0,0),1,NA,c(0,1),2,c(0,0)),
             list(NA,NA),list(1,0),list(1,NA,c(NA,0,0,0),c(NA,NA),c(1,0,0,NA,0),0))

这将重新指定原始值，但不加区分。我不确定如何（或在何处）添加这样的功能：首先评估所有

NA

值的嵌套列表，然后如果不是所有

NA

s，则运行“第二次机会”概率。非常感谢您的建议

过程：

x<-sapply(L.miss, function(x) all(is.na(unlist(x))))

x<-sapply(L.miss, function(x) all(is.na(unlist(x))))

temp<-rbind(L.miss,sapply(z.pass, function(x) all(is.na(unlist(x)))))

for (i in 1:length(L.miss)){
    if (temp[[i*2]]==TRUE){
        L.want[i]<-L.miss[i]
        } 
        else{ 
      for (j in 1:length(L.miss[[i]])){
        for (k in 1:length(L.miss[[i]][[j]])){
          for (l in 1:length(L.miss[[i]][[j]][[k]])){
            #See if the individual position in the nested list is an NA value
            if (is.na(L.miss[[i]][[j]][[k]])){
              if(runif(1)<p2){ #Stochastic process to determine if it should proceed
                L.want[[i]][[j]][[k]]<-L.full[[i]][[j]][[k]] #reassign original value
              }}}}}}}