R: 按组插补NAs

Question

R: 按组插补NAs

7

我希望能够在数据框中对变量进行线性插值，该插值需要考虑以下三个因素：1）两个点之间的时间差，2）数据采集时刻，3）用于测量变量的个体。

例如，在下面的数据框中：

 df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
            Individuals=c(1,1,1,1,1,1,1,2,2,2),
            Value=c(1, 2, 3, NA, 5, NA, 7, 5, NA, 7))
  df

我希望获得：

 result <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
                Individuals=c(1,1,1,1,1,1,1,2,2,2),
                Value=c(1, 2, 3, 4, 5, 6, 7, 5, 5.5, 6))
 result

我不能仅使用zoo包中的na.approx函数，因为所有观测值不是连续的，有些观测值属于一个人，而其他观测值属于其他人。原因是，如果第二个人的第一个观测值为NA，则如果我仅使用na.approx函数，我将使用individual==1的信息来插值individual==2的NA（例如，下一个数据框将出现这样的错误）。

  df_2 <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
                Individuals=c(1,1,1,1,1,1,1,2,2,2),
                Value=c(1, 2, 3, NA, 5, NA, 7, NA, 5, 7))
  df_2

我尝试使用了zoo和dplyr这两个包：

library(dplyr)
library(zoo)
proof <- df %>%
  group_by(Individuals) %>%
  na.approx(df$Value)

但是我无法在一个zoo对象中执行group_by。

你知道如何按组内插值一个变量中的NA值吗？

提前致谢，

- Ruben

您能否详细说明一下您期望的输出是什么？此外，您尝试获取的“Ear_tag”分组是什么？因为在您提供的数据框中不存在这一列。 - Pash101

2个回答

5

我们可以使用data.table。

library(data.table)
library(zoo)
setDT(df1)[, ValueInterp:= na.approx(Value, na.rm=TRUE), by = Individual]

- akrun

1

是的，它可以在NA不位于个体的第一个或最后一个观测值的情况下工作，但当NA是第一或最后一个观测时，它无法工作。但最糟糕的是，data.table提供了一个结果，提供了项目（警告消息）并执行错误的分配，如果您运行不能检查所有警告消息的大型代码，则这是危险的。 - Ruben

输出应该插值所有的“NA”，除了它们是一个个体的第一个或最后一个观察值。 - Ruben

1

@Ruben 你的意思是说对于 df_2，你不需要第8行吗？通过使用 na.rm=TRUE，我们可以替换掉所有的NA值，除了第一个。 - akrun

expected_df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),                   Individuals=c(3,3,1,1,1,1,1,2,2,2),                   Value=c(NA, 2, 3, NA, 5, NA, 7, 8, NA, 10),                  ValueInterp=c(NA,2,3,4,5,6,7,8,9,10)) expected_df

- Ruben

1

尝试使用以下代码：setDT(df)[, ValueInterp := if(length(na.omit(Value))<2) Value else na.approx(Value, na.rm=TRUE), Individuals] - akrun

显示剩余7条评论

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- eipi10 · Accepted Answer

使用data.frame而不是cbind来创建您的数据。 cbind返回一个矩阵，但是您需要一个数据框才能使用dplyr。然后在mutate内部使用na.approx。我已经注释掉了group_by，因为您没有提供数据中的分组变量，但是一旦将分组变量添加到数据框中，该方法应该可以工作。

df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
            Individuals=c(1,1,1,1,1,1,1,2,2,2),
            Value=c(NA, 2, 3, NA, 5, NA, 7, 8, NA, 10))

library(dplyr)
library(zoo)

df %>%
  group_by(Individuals) %>%
  mutate(ValueInterp = na.approx(Value, na.rm=FALSE))

   time Individuals Value ValueInterp
1     1           1    NA          NA
2     2           1     2           2
3     3           1     3           3
4     4           1    NA           4
5     5           1     5           5
6     6           1    NA           6
7     7           1     7           7
8     1           2     8           8
9     2           2    NA           9
10    3           2    10          10

更新：要插值多个列，我们可以使用mutate_at。以下是一个包含两个值列的示例。我们使用mutate_at在所有列中运行na.approx，这些列的列名中包含"Value"。 list(interp=na.approx)告诉mutate_at通过运行na.approx并将interp作为后缀添加到生成新列名中来生成新列名：

df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3),
                 Individuals=c(1,1,1,1,1,1,1,2,2,2),
                 Value1=c(NA, 2, 3, NA, 5, NA, 7, 8, NA, 10),
                 Value2=c(NA, 2, 3, NA, 5, NA, 7, 8, NA, 10)*2)

df %>%
  group_by(Individuals) %>%
  mutate_at(vars(matches("Value")), list(interp=na.approx), na.rm=FALSE)

    time Individuals Value1 Value2 Value1_interp Value2_interp
   <dbl>       <dbl>  <dbl>  <dbl>         <dbl>         <dbl>
 1     1           1     NA     NA            NA            NA
 2     2           1      2      4             2             4
 3     3           1      3      6             3             6
 4     4           1     NA     NA             4             8
 5     5           1      5     10             5            10
 6     6           1     NA     NA             6            12
 7     7           1      7     14             7            14
 8     1           2      8     16             8            16
 9     2           2     NA     NA             9            18
10     3           2     10     20            10            20

如果您不想保留原始的未插值列，可以执行以下操作：

df %>%
  group_by(Individuals) %>%
  mutate_at(vars(matches("Value")), na.approx, na.rm=FALSE)