r 用填充的数据扩展数据集

Question

我有一个包含 4 列的数据集。现在这可以取 2 个值。(1 或 0)。有三列(X1、X2、X3)缺少数据。

Row#    X1   X2   X3    Y
1       1    0    0     1
2       0    1    1     0 
3       NA   0    0     0
4       1    1    1     0
5       1    NA   NA    1
6       1    0    0     1
7       NA   NA   NA    0
8       0    1    0     1
9       NA   NA   1     0
10      0    0    1     1
11      NA   NA   0     0
12      0    0    0     0
13      0    0    1     1
14      NA   0    NA    0

我对为 NA 的可能值创建填充数据集感兴趣。我的意思是创建如下可能的数据行

Row#   X1  X2  X3  Y  Probability  Comments
1      1   0   0   1  1            No missing
2      0   1   1   0  1            No missing

3      1   0   0   0  0.5          X1 Missing
4      0   0   0   0  0.5          X1 Missing

5      1   1   1   0  1            No missing

6      1   1   0   1  0.25         X1, X2 missing 
7      1   0   0   1  0.25         X1, X2 missing 
8      1   1   1   1  0.25         X1, X2 missing 
9      1   0   1   1  0.25         X1, X2 missing 

10     1   0   0   1  1            No missing 

11     0   0   0   0  0.125        X1, X2, x3 missing 
12     1   0   0   0  0.125        X1, X2, x3 missing
13     0   1   0   0  0.125        X1, X2, x3 missing
14     0   0   1   0  0.125        X1, X2, x3 missing
15     1   1   0   0  0.125        X1, X2, x3 missing
16     1   0   1   0  0.125        X1, X2, x3 missing
17     0   1   1   0  0.125        X1, X2, x3 missing
18     1   1   1   0  0.125        X1, X2, x3 missing
19     .   .   .   .  .            ......
20     .   .   .   .  .            ......
21     .   .   .   .  .            ......
22     .   .   .   .  .            ......

请注意最终数据集将包含 5 列(X1、X2、X3、Y、可能性)

栏目 Probability就是按照这个逻辑计算的。

让我们从第一个数据集中的 Row1&2 开始。前两行 (1,2) 没有任何缺失数据，因此在预期输出中生成相同的两行，概率为 1。

让我们看看原始数据集中的 Row3。这在 X1 列中有缺失值。因此在预期输出中生成了两行 3,4。因此概率为 0.5、0.5。 1/2=0.5

让我们看看原始数据集中的第 5 行。这包含 X2 和 X3 列中的缺失数据。所以这将在预期数据中生成 4 行，第 6、7、8.9 行。所以概率是 0.25, 0.25,0.25, 0.25, 1/4 = 0.25

原始数据集的第 7 行缺少 x1、x2、x3 的值。所以这个场景将在预期的输出数据集中生成 8 行，第 11 行-第 18 行。因此概率 0.125 , 1/8 = 0.125

我可以使用 8 个 ifelse 语句和 for 循环来做到这一点。但我想知道是否有任何更简单、更简洁的方法来实现这一点。谢谢。

Answer 1

我为 {0,1} 的组合定义了一个函数对于任何使用 expand.grid 的数字.对于 n等于 0 ，我使用了一个具有 1 维的 data.frame 来避免没有 NA 的行的复杂化。 .

comb <- function(n) { 
    if(n==0) return(data.frame(Var1 = c(1)))
    expand.grid(rep(list(0:1),n)) 
}

现在我使用 apply 和 replace 函数来创建行列表。我用过 mutate来自 dplyr创建概率列。

df = apply(df, 1, function(v){
  NA_count = length(which(is.na(v)))
  apply(comb(NA_count) , 1 ,  FUN = replace , x = v, list = 
  which(is.na(v))) %>% 
  t %>% as.data.frame() %>%
  mutate( Probability = (1/2)^length(which(is.na(v))))
})

最后，我把所有的列表和 do.call放在一起。 .

do.call(rbind,df)