R - 替换数据表中的缺失值

Question

我有一个像下面的 dt 这样的数据表。它大部分是完整的，但有一些缺失值，我正在尝试以合理的方式进行填充。

set.seed(2015)
require(data.table)
dt<-data.table(id=1:10, x=sample(letters[1:3],10,replace=TRUE), y=sample(letters[4:6],10,replace=TRUE), key="id")
dt[sample(10,3), y:=""]
dt
    id x y
 1:  1 a f
 2:  2 c  
 3:  3 a d
 4:  4 a  
 5:  5 a f
 6:  6 b f
 7:  7 b  
 8:  8 a d
 9:  9 b f
10: 10 b e

对于每个缺失的 y，我想将 y 值设置为其在 x 中最常见(非空白)的 y 值。在平局的情况下，随机选择 y 个并列的获胜者。如果不存在获胜者，请将 y 留空。在此示例中，我的数据表应转换为

    id x y
 1:  1 a f
 2:  2 c  
 3:  3 a d
 4:  4 a d
 5:  5 a f
 6:  6 b f
 7:  7 b f
 8:  8 a d
 9:  9 b f
10: 10 b e

或

    id x y
 1:  1 a f
 2:  2 c  
 3:  3 a d
 4:  4 a f
 5:  5 a f
 6:  6 b f
 7:  7 b f
 8:  8 a d
 9:  9 b f
10: 10 b e

(第4行的y值可能变成d或f)

无法想出一个有效的方法来做到这一点。

Answer 1

对于 x 中的每个值，我首先获取相应的条目来替换 y，如下所示:

idt = dt[, .N, by="x,y"][, list(y=sample(y[N %in% max(N)], 1L)), by=x]
#    x y
# 1: a d
# 2: c  
# 3: b f

然后使用二进制子集为 idt 上的每个 x 替换丢失的 y 通过引用，如下所示:

setkey(idt, x)
dt[y == "", y := idt[x]$y]
#     id x y
#  1:  1 a f
#  2:  2 c  
#  3:  3 a d
#  4:  4 a d
#  5:  5 a f
#  6:  6 b f
#  7:  7 b f
#  8:  8 a d
#  9:  9 b f
# 10: 10 b e