R-使用分组数据中的因子级别重新编码NA
我有一个纵向结构的数据框，如下所示：R-使用分组数据中的因子级别重新编码NA,r,na,recode,R,Na,Recode,我有一个纵向结构的数据框，如下所示： df = structure(list(oslaua = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 4L, 4L, 4L), .Label = c("E06000001", "E06000002", "E06000003", "E06000004"), class = "factor"), wave = structure(c(1L, 2L, 3L, 4L, 1L, 2
df = structure(list(oslaua = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L,
2L, 3L, 3L, 3L, 3L, 4L, 4L, 4L), .Label = c("E06000001", "E06000002",
"E06000003", "E06000004"), class = "factor"), wave = structure(c(1L,
2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L), .Label = c("0",
"1", "2", "3"), class = "factor"), old.la = structure(c(1L, 1L,
NA, 1L, 2L, 2L, 2L, NA, 3L, 3L, 3L, 3L, 4L, 4L, NA), .Label = c("00EB",
"00EC", "00EE", "00EF"), class = "factor"), la = structure(c(1L,
1L, NA, 1L, 2L, 2L, 2L, NA, 3L, 3L, 3L, 3L, 4L, 4L, NA), .Label = c("Hartlepool UA",
"Middlesbrough UA", "Redcar and Cleveland UA", "Stockton-on-Tees UA"
), class = "factor"), dclg.code = structure(c(1L, 1L, NA, 1L,
4L, 4L, 4L, NA, 3L, 3L, 3L, 3L, 2L, 2L, NA), .Label = c("H0724",
"H0738", "V0728", "W0734"), class = "factor"), novo_entries = c(24L,
4L, 0L, 1L, 35L, 15L, 1L, 0L, 49L, 7L, 2L, 2L, 40L, 14L, 0L)), .Names = c("oslaua",
"wave", "old.la", "la", "dclg.code", "novo_entries"), row.names = c(NA,
15L), class = "data.frame")
df = df %>% group_by(oslaua) %>% mutate(old.la.1 = ifelse(is.na(old.la), unique(old.la), old.la)) %>% as.data.frame()
> df
oslaua wave old.la la dclg.code novo_entries old.la.1
1 E06000001 0 00EB Hartlepool UA H0724 24 1
2 E06000001 1 00EB Hartlepool UA H0724 4 1
3 E06000001 2 <NA> <NA> <NA> 0 2
4 E06000001 3 00EB Hartlepool UA H0724 1 1
5 E06000002 0 00EC Middlesbrough UA W0734 35 2
6 E06000002 1 00EC Middlesbrough UA W0734 15 2
7 E06000002 2 00EC Middlesbrough UA W0734 1 2
8 E06000002 3 <NA> <NA> <NA> 0 2
9 E06000003 0 00EE Redcar and Cleveland UA V0728 49 3
10 E06000003 1 00EE Redcar and Cleveland UA V0728 7 3
11 E06000003 2 00EE Redcar and Cleveland UA V0728 2 3
12 E06000003 3 00EE Redcar and Cleveland UA V0728 2 3
13 E06000004 0 00EF Stockton-on-Tees UA H0738 40 4
14 E06000004 1 00EF Stockton-on-Tees UA H0738 14 4
15 E06000004 2 <NA> <NA> <NA> 0 4
谢谢 这应该适合您：
library(zoo)
df %>%
group_by(oslaua) %>%
mutate(old.la.1 = na.locf(old.la))
它使用zoo的最后一个结转功能来替换NA。这是类型安全的。在代码中，ifelse正在构造两个向量，一个用于测试解析为TRUE的情况，另一个用于测试解析为FALSE的情况。为了确保兼容性，ifelse似乎将它们都简化为最基本、最常见的类型。对于factors，这是一个整数run typeofdf$old.la 这应该适合您：
library(zoo)
df %>%
group_by(oslaua) %>%
mutate(old.la.1 = na.locf(old.la))
它使用zoo的最后一个结转功能来替换NA。这是类型安全的。在代码中，ifelse正在构造两个向量，一个用于测试解析为TRUE的情况，另一个用于测试解析为FALSE的情况。为了确保兼容性，ifelse似乎将它们都简化为最基本、最常见的类型。对于factors，这是一个整数run typeofdf$old.la 这里是另一个使用data.table的选项 对于多列
nm1 <- c("old.la", "la", "dclg.code")
df1 <- setDT(df)[, lapply(.SD, function(x) levels(droplevels(x))[1]) ,
by = oslaua, .SDcols = nm1][df, on = "oslaua"]
df1[, !grepl("i\\.", names(df1)), with = FALSE]
但由于某些原因，使用v1.10.0将每个组转换为因子会得到一些奇怪的输出，输出中的每列只有一个级别 对于多列
nm1 <- c("old.la", "la", "dclg.code")
df1 <- setDT(df)[, lapply(.SD, function(x) levels(droplevels(x))[1]) ,
by = oslaua, .SDcols = nm1][df, on = "oslaua"]
df1[, !grepl("i\\.", names(df1)), with = FALSE]
但由于某些原因，使用v1.10.0将每个组内的因子转换为某个奇怪的输出，输出中的每列只有一个级别。或者，避免创建新变量的更优雅的解决方案是使用tidyr填充： 这将产生：
> data
Source: local data frame [15 x 6]
Groups: oslaua [4]
oslaua wave old.la la dclg.code novo_entries
<fctr> <fctr> <fctr> <fctr> <fctr> <int>
1 E06000001 0 00EB Hartlepool UA H0724 24
2 E06000001 1 00EB Hartlepool UA H0724 4
3 E06000001 2 00EB Hartlepool UA H0724 0
4 E06000001 3 00EB Hartlepool UA H0724 1
5 E06000002 0 00EC Middlesbrough UA W0734 35
6 E06000002 1 00EC Middlesbrough UA W0734 15
7 E06000002 2 00EC Middlesbrough UA W0734 1
8 E06000002 3 00EC Middlesbrough UA W0734 0
9 E06000003 0 00EE Redcar and Cleveland UA V0728 49
10 E06000003 1 00EE Redcar and Cleveland UA V0728 7
11 E06000003 2 00EE Redcar and Cleveland UA V0728 2
12 E06000003 3 00EE Redcar and Cleveland UA V0728 2
13 E06000004 0 00EF Stockton-on-Tees UA H0738 40
14 E06000004 1 00EF Stockton-on-Tees UA H0738 14
15 E06000004 2 00EF Stockton-on-Tees UA H0738 0
或者，避免创建新变量的更优雅的解决方案是使用tidyr填充： 这将产生：
> data
Source: local data frame [15 x 6]
Groups: oslaua [4]
oslaua wave old.la la dclg.code novo_entries
<fctr> <fctr> <fctr> <fctr> <fctr> <int>
1 E06000001 0 00EB Hartlepool UA H0724 24
2 E06000001 1 00EB Hartlepool UA H0724 4
3 E06000001 2 00EB Hartlepool UA H0724 0
4 E06000001 3 00EB Hartlepool UA H0724 1
5 E06000002 0 00EC Middlesbrough UA W0734 35
6 E06000002 1 00EC Middlesbrough UA W0734 15
7 E06000002 2 00EC Middlesbrough UA W0734 1
8 E06000002 3 00EC Middlesbrough UA W0734 0
9 E06000003 0 00EE Redcar and Cleveland UA V0728 49
10 E06000003 1 00EE Redcar and Cleveland UA V0728 7
11 E06000003 2 00EE Redcar and Cleveland UA V0728 2
12 E06000003 3 00EE Redcar and Cleveland UA V0728 2
13 E06000004 0 00EF Stockton-on-Tees UA H0738 40
14 E06000004 1 00EF Stockton-on-Tees UA H0738 14
15 E06000004 2 00EF Stockton-on-Tees UA H0738 0
这仅在NA值永远不是其组的第一个值时有效，否？您是正确的。这可以通过将NA强制到末尾来缓解，但可能不是理想的解决方案。akrun的解决方案也可以在dplyr框架中实现。这可以通过使用na.aggregate而不是na.locf来解决。这只有在na值永远不是其组的第一个时才有效，不是吗？你是正确的。这可以通过将NA强制到末尾来缓解，但可能不是理想的解决方案。akrun的解决方案也可以在dplyr框架中实现。这可以通过使用na.aggregate而不是na.locf来解决。非常感谢@akrun，这正是我所需要的。我仍然不明白为什么在我应用我的解决方案时它改变了因子的格式。@Edu它变为字符，但在df1之后，您可以将列重新转换为因子，即df2。非常感谢@akrun，这正是我需要的。我仍然不明白为什么在我应用我的解决方案时它更改了因子的格式。@Edu它更改为字符，但在df1之后，您可以将列重新转换为因子，即df2