r - 填充数据框 R 中缺失的字符串值

Question

我遇到了一些在 R 中一定很容易的事情；我想用相应的值填充(data.frame 的)列中的缺失值。所以像这样:

V1    V2  
cat   tree            
cat   NA    
NA    tree  
dog   house      
NA    house    
dog   NA   
horse NA  
NA    car  
horse car

所以cat对应的字符串是tree，所以当“猫组”中有NA时，必须填写“tree”。当“dog group”中有 NA 时，必须填写“house”(因此我必须选择将列表的第一个单词 1 和 2 作为“前导”单词填写每个数字 - 编辑 - -> 如果 NA 是第一个，则第一个不领先会更好)。

在V1中有很多NA，在V2中有一些，我只想填充V2中的NA。

在 SPSS 中它完成了聚合函数，但我不认为 R 中的聚合函数在这种情况下具有可比性，是吗？有人知道怎么做吗？

谢谢!

Answer 1

OP 要求需要按组 填写缺失值。因此，zoo::na.locf() 方法在这里可能会失败。

有一个名为update join 的方法可用于填充每组的缺失值:

library(data.table)   # version 1.10.4 used
setDT(DT)
DT[DT[!is.na(V1)][order(V2), .(fillin = first(V2)), by = V1], on = "V1", V2 := fillin][]
#    V1    V2
# 1:  1  tree
# 2:  1  tree
# 3:  1  tree
# 4:  2 house
# 5:  2 house
# 6:  2 house
# 7:  3  lawn
# 8:  3  lawn
# 9:  4    NA
#10:  4    NA
#11: NA    NA
#12: NA  tree

请注意，已对输入数据进行了补充以涵盖一些特殊情况。

说明

该方法包括两个步骤。首先，确定要按组填充的值，然后是更新联接，它修改DT 就地。

fill_by_group <- DT[!is.na(V1)][order(V2), .(fillin = first(V2)), by = V1]
fill_by_group
#   V1 fillin
#1:  2  house
#2:  3   lawn
#3:  1   tree
#4:  4     NA

DT[fill_by_group, on = "V1", V2 := fillin][]

order(V2) 确保任何 NA 值最后排序，以便 first(V2) 选择正确的值来填充.

update join 方法已被评为最快的方法 in another case .

使用 na.omit() 的变体

docendo discimus 在 his comment 中提出建议使用 na.omit()。这可以用于更新连接以及替换order()/first():

DT[DT[!is.na(V1), .(fillin = na.omit(V2)), by = V1], on = "V1", V2 := fillin][]

请注意 na.omit(V2) 与 na.omit(V2)[1] 或 first(na.omit(V2) )，在这里。

数据

编辑:OP 大幅更改了他最初发布的数据集。作为快速修复，我更新了下面的示例数据以包含 V1 为 NA 的情况。

library(data.table)
DT <- fread(
"1 tree
1 NA
1 tree
2 house
2 house
2 NA
3 NA
3 lawn
4 NA
4 NA
NA NA
NA tree")

请注意，已对 OP 提供的数据进行了补充，以涵盖另外三种情况:

• 每组中的第一个 V2 值为 NA。
• 组中的所有 V2 值为NA。
• V1 是 `NA.