用最接近的值替换 R 中的 NA

Question

我正在 zoo 包中寻找类似于 na.locf() 的东西，但不是总是使用之前的非-NA 值 我想使用最近非NA值。一些示例数据:

dat <- c(1, 3, NA, NA, 5, 7)

用 na.locf 替换 NA(3 被结转):

library(zoo)
na.locf(dat)
# 1 3 3 3 5 7

和na.locf，其中fromLast设置为TRUE(5向后进位):

na.locf(dat, fromLast = TRUE)
# 1 3 5 5 5 7

但我希望使用最近非NA值。在我的示例中，这意味着 3 应前进到第一个 NA，5 应向后前进到第二个 NA:

1 3 3 5 5 7

我已经编写了一个解决方案，但想确保我没有重新发明轮子。是否有东西已经漂浮在周围？

仅供引用，我当前的代码如下。也许如果没有别的事，有人可以建议如何提高效率。我觉得我缺少一种明显的方法来改进这一点:

  na.pos <- which(is.na(dat))
  if (length(na.pos) == length(dat)) {
    return(dat)
  }
  non.na.pos <- setdiff(seq_along(dat), na.pos)
  nearest.non.na.pos <- sapply(na.pos, function(x) {
    return(which.min(abs(non.na.pos - x)))
  })
  dat[na.pos] <- dat[non.na.pos[nearest.non.na.pos]]

回答 smci 的以下问题:

1. 不，任何条目都可以不适用
2. 如果全部不适用，则保持原样
3. 没有。我当前的解决方案默认为左侧最接近的值，但这并不重要
4. 这些行通常有几十万个元素，因此理论上上限将是几十万。实际上，它不会超过这里那里的几个，通常是一个。

更新 所以事实证明我们正在朝着完全不同的方向前进，但这仍然是一个有趣的讨论。谢谢大家!

Answer 1

这是一个非常快的。它使用 findInterval查找原始数据中的每个 NA 应考虑哪两个位置:

f1 <- function(dat) {
  N <- length(dat)
  na.pos <- which(is.na(dat))
  if (length(na.pos) %in% c(0, N)) {
    return(dat)
  }
  non.na.pos <- which(!is.na(dat))
  intervals  <- findInterval(na.pos, non.na.pos,
                             all.inside = TRUE)
  left.pos   <- non.na.pos[pmax(1, intervals)]
  right.pos  <- non.na.pos[pmin(N, intervals+1)]
  left.dist  <- na.pos - left.pos
  right.dist <- right.pos - na.pos

  dat[na.pos] <- ifelse(left.dist <= right.dist,
                        dat[left.pos], dat[right.pos])
  return(dat)
}

我在这里测试它:

# sample data, suggested by @JeffAllen
dat <- as.integer(runif(50000, min=0, max=10))
dat[dat==0] <- NA

# computation times
system.time(r0 <- f0(dat))    # your function
# user  system elapsed 
# 5.52    0.00    5.52
system.time(r1 <- f1(dat))    # this function
# user  system elapsed 
# 0.01    0.00    0.03
identical(r0, r1)
# [1] TRUE