r - 随机或按比例为 NA 分配分类值

Question

我有一个数据集:

df <- structure(list(gender = c("female", "male", NA, NA, "male", "male", 
"male"), Division = c("South Atlantic", "East North Central", 
"Pacific", "East North Central", "South Atlantic", "South Atlantic", 
"Pacific"), Median = c(57036.6262, 39917, 94060.208, 89822.1538, 
107683.9118, 56149.3217, 46237.265), first_name = c("Marilyn", 
"Jeffery", "Yashvir", "Deyou", "John", "Jose", "Daniel")), row.names = c(NA, 
-7L), class = c("tbl_df", "tbl", "data.frame"))

我需要进行分析，这样我就不能拥有 NA gender 中的值多变的。其他列太少且没有已知的预测值，因此实际上不可能估算这些值。

我可以通过完全删除不完整的观察来进行分析——它们大约占数据集的 4%，但我想通过随机分配 female 来查看结果。或 male进入失踪案件。

除了编写一些非常丑陋的代码来过滤不完整的情况之外，将其分成两部分并替换 NA s 与 female或 male在每一半中，我想知道是否有一种优雅的方法可以将值随机或按比例分配到 NA 中。 ?

Answer 1

我们可以使用 ifelse和 is.na确定是否na存在，然后使用 sample随机选择 female和 male .

df$gender <- ifelse(is.na(df$gender), sample(c("female", "male"), 1), df$gender)