r - 对 R 中的大量变量子集应用均值插补

Question

我有一个包含 498 个各种数字、逻辑、日期等变量的数据集，我将其作为 R 中的数据框，其中行用于观察，列用于变量。我想用这些变量的某个子集用该变量的平均值替换它们的缺失值。

我编写了这个非常简单的函数来进行均值插补:

impute.mean <- function(x) replace(x, is.na(x), mean(x, na.rm = TRUE))

如果我将其应用于单个变量(例如 dataset$variableA)，效果会非常好:

dataset$variableA <- impute.mean(dataset$variableA)

这样做确实给了我想要的 one 变量，但是因为我有一个相当大的变量子集需要执行此操作，所以我不想手动执行此操作通过检查每个需要插补的变量。

我的第一直觉是使用 R 中的一个 apply 函数来有效地完成此操作，但我似乎不明白如何准确地做到这一点。

第一次粗略的尝试是使用标准 apply:

newdataset <- apply(dataset, 2, impute.mean)

这显然有点粗糙，因为它尝试将该函数应用于所有列，包括非数字变量，但是它似乎是一个合理的起点，即使它可能会生成许多警告。唉，这个方法不起作用，我的所有变量都保持不变。

我还对 lapply、mapply、ddply 进行了一些实验，但到目前为止没有取得任何成功。

理想情况下，我希望能够做这样的事情:

relevantVariables <- c("variableA1", "variableA2", ..., "variableA293")
newdataset <- magical.apply(dataset, relevantVariables, impute.mean)

是否有一些应用函数以这种方式工作？

或者，还有其他有效的方法来解决这个问题吗？

Answer 1

您可以使用 data.table 包有效地完成此操作:

SetNAsToMean <- function(dt, vars) {                                                                                                                             
  # Sets NA values of columns to the column means                                                                                                                
  #                                                                                                                                                              
  # Args:                                                                                                                                                        
  #   dt: data.table object to work with                                                                                                                         
  #   vars: vector of column names to replace NAs                                                                                                                
  #                                                                                                                                                              
  # Returns:                                                                                                                                                     
  #   Nothing. Alters data.table in place.                                                                                                                       
  #                                                                                                                                                              
  # Example:                                                                                                                                                     
  #   dt <- data.table(num1 = c(1, NA, 3),                                                                                                                       
  #                    num2 = c(NA, NA, 4),                                                                                                                      
  #                    char1 = rep("a", 3))                                                                                                                      
  #   SetNAsToMean(dt, c("num1", "num2"))                                                                                                                        
  #   # Alternatively, set all numeric columns                                                                                                                    
  #   numerics <- which(lapply(dt, class) == "numeric")                                                                                                           
  #   SetNAsToMean(dt, numerics)
  require(data.table)
  for (var in vars) {                                                                                                                                            
    set(dt, which(is.na(dt[[var]])), var, mean(dt[[var]], na.rm=T))                                                                                              
  }                                                                                                                                                              
}