R 如何按数据框中的因素（按国家/地区划分）使用LOCF填充NAs

我有以下数据框（简化），其中国家变量作为一个因子，值变量缺少值：

country value
AUT     NA
AUT     5
AUT     NA
AUT     NA
GER     NA
GER     NA
GER     7
GER     NA
GER     NA

下面生成上述数据帧：

data <- data.frame(country=c("AUT", "AUT", "AUT", "AUT", "GER", "GER", "GER", "GER", "GER"), value=c(NA, 5, NA, NA, NA, NA, 7, NA, NA))

country value
AUT     NA
AUT     5
AUT     5
AUT     5
GER     5
GER     5
GER     7
GER     7
GER     7

但是，该功能只能用于按国家划分的单个子集。以下是我需要的输出：

country value
AUT     NA
AUT     5
AUT     5
AUT     5
GER     NA
GER     NA
GER     7
GER     7
GER     7

我想不出一个简单的方法来实现它。在开始for循环之前，我想知道是否有人知道如何解决这个问题

---

非常感谢

使用

by

拆分

data.frame

，并在子集上使用

na.locf

：

do.call(rbind,by(data,data$country,na.locf))

如果要删除行名称，请执行以下操作：

do.call(rbind,unname(by(data,data$country,na.locf)))

---

这里有一个

ddply

解决方案。试试这个

library(plyr)
ddply(DF, .(country), na.locf)
  country value
1     AUT  <NA>
2     AUT     5
3     AUT     5
4     AUT     5
5     GER  <NA>
6     GER  <NA>
7     GER     7
8     GER     7
9     GER     7

因此，获得您想要的东西的另一种选择是：

ddply(DF, "country", na.locf)
ddply(DF, ~country, na.locf)

请注意，不允许将

.variables

替换为

DF$variable

，这就是执行此操作时出错的原因

---

DF

是您的数据。frame

如果需要考虑速度，则此

取消堆栈

/

堆栈

解决方案的速度大约是我系统上其他解决方案的4到6倍，尽管它确实需要稍长的代码行：

stack(lapply(unstack(data, value ~ country), na.locf, na.rm = FALSE))

另一种方法是：

transform(data, value = ave(value, country, FUN = na.locf0))

---

您只需按国家划分，然后a进行a或na填充，填充到右侧。 下面是一个显式显示na.fill的三分量arg语法的示例：

library(plyr)
library(zoo)

data <- data.frame(country=c("AUT", "AUT", "AUT", "AUT", "GER", "GER", "GER", "GER", "GER"), value=c(NA, 5, NA, NA, NA, NA, 7, NA, NA))

# The following is equivalent to na.locf
na.fill.right <- function(...) { na.fill(..., list(left=NA,interior=NA,right="extend")) }

ddply(data, .(country), na.fill.right)

  country value
1     AUT  <NA>
2     AUT     5
3     AUT     5
4     AUT     5
5     GER  <NA>
6     GER  <NA>
7     GER     7
8     GER     7
9     GER     7

库（plyr）
图书馆（动物园）
数据现代版本的
ddply
解决方案是使用包
dplyr
：

library(dplyr)
DF %>%
  group_by(county) %>% 
  mutate(value = na.locf(value, na.rm = F))      

tidyverse方法（尽管不使用locf）是：

library(tidyverse)

data %>% 
    group_by(country) %>% 
    fill(value)

Source: local data frame [9 x 2]
Groups: country [2]

country value
(fctr) (dbl)
1     AUT    NA
2     AUT     5
3     AUT     5
4     AUT     5
5     GER    NA
6     GER    NA
7     GER     7
8     GER     7
9     GER     7

我这次谈话有点晚了，但这里有一个
data.table
方法，对于较大的数据集，这将更快：

library(zoo)
library(data.table)

# Convert to data table
setDT(data)

data[, value := na.locf(value, na.rm = FALSE), by = country]

data
   country  value
1:     AUT     NA
2:     AUT      5
3:     AUT      5
4:     AUT      5
5:     GER     NA
6:     GER     NA
7:     GER      7
8:     GER      7
9:     GER      7

# And if you want to convert "data" back to a data frame...
setDF(data)

包dplyr和imputet的组合可以完成这项工作

library(dplyr)
library(imputeTS)
data %>% group_by(country) %>% 
mutate(value = na.locf(value, na.remaining="keep"))   

使用na.locf函数的na.remaining参数inputets，您还可以选择如何处理后续NAs

这些是选项：


“保留”-返回带有NAs的系列
“rm”-删除剩余的NAs
“平均值”-用总体平均值替换剩余的NAs
“rev”-从相反方向执行nocb/locf

例如，通过选择“平均值”，您将得到特定示例中每个GER的结果为7。
如果您将问题编辑为包含合理的测试数据结构，您可能会得到更快的响应。您想要！太棒了，谢谢！正是我需要的。我以前尝试过
ddply
，使用
ddply（DF，DF$country，na.locf）
，但没有成功。使用
（）
符号有什么区别？谢谢，这也行。但是，我必须再次将行名称重命名为
seq_len（nrow（data））
。因此，我选择了上述答案。但是，您的解决方案在计算上可能会更快，因为
ddply
对于大数据集来说似乎非常慢。@Gregor，所以OP也想按国家进行划分，我错过了这一点，
na.locf
提到的，它们被隐藏在第三段中。现在效果很好。通常标题和第一段应该说明问题，我不明白你为什么不把它们修好，我只是现在修好了。在过去的1.5年里，你们中的任何人都可以而且应该纠正这一点。您现在可以删除您的否决票。dplyr版本为+1@Gregor，请注意，您需要将
na.rm=F
添加到
na.locf（）
调用中。否则会引发错误。有没有办法一次对多个列执行此操作？@RafaelMartins请参见
？mutate\u at
library(dplyr)
library(imputeTS)
data %>% group_by(country) %>% 
mutate(value = na.locf(value, na.remaining="keep"))