用前一行的值填充数据框

Question

我有一个数据框，其中有2列。

column1里是随机数， column2是一个占位符列，用来展示我想让column3看起来像什么。

  random    temp
0.502423373 1
0.687594055 0
0.741883739 0
0.445364032 0
0.50626137  0.5
0.516364981 0
...

我希望填充列3，使其使用最后一个非零数字（在此示例中为1或.5）并连续填充以下行，直到遇到不同的数字为止。然后它会为整个列重复此过程。

random     temp state
0.502423373 1   1
0.687594055 0   1
0.741883739 0   1
0.445364032 0   1
0.50626137  0.5 0.5
0.516364981 0   0.5
0.807804708 0   0.5
0.247948445 0   0.5
0.46573337  0   0.5
0.103705154 0   0.5
0.079625868 1   1
0.938928944 0   1
0.677713019 0   1
0.112231619 0   1
0.165907178 0   1
0.836195267 0   1
0.387712998 1   1
0.147737077 0   1
0.439281543 0.5 0.5
0.089013503 0   0.5
0.84174743  0   0.5
0.931738707 0   0.5
0.807955172 1   1

感谢任何和所有的帮助

- user2813055

Answer 1

假设您的data.frame被称为“mydf”，在将值设置为NA之后，也许您可以使用“zoo”包中的na.locf。

mydf$state <- mydf$temp
mydf$state[mydf$state == 0] <- NA

library(zoo)
mydf$state <- na.locf(mydf$state)
#      random temp state
# 1 0.5024234  1.0   1.0
# 2 0.6875941  0.0   1.0
# 3 0.7418837  0.0   1.0
# 4 0.4453640  0.0   1.0
# 5 0.5062614  0.5   0.5
# 6 0.5163650  0.0   0.5

如果你的原始数据框中"temp"列有缺失值，并且你想让新生成的"state"列中也保留这些缺失值，那么很容易处理。只需要再添加一行代码来重新引入这些缺失值即可：

mydf$state[is.na(mydf$temp)] <- NA

- A5C1D2H2I1M1N2O1R2T1

---

我认为如果数据中已经存在NA值，那么这样做可能会有问题。但是如果它能够正常工作，那也是好的。 - Neal Fultz

@NealFultz，这个评论值得一个踩吗？很容易解决你对评论的担忧。（我假设你希望在生成的“state”变量中，如果“temp”变量为“NA”，则该值也为“NA”。请注意，我不会触及“temp”变量，因此仍然可以轻松访问该信息。） - A5C1D2H2I1M1N2O1R2T1

如果您的数据中既有NA又有0怎么办？ - Neal Fultz

@NealFultz，我怎么知道呢？这不是我的数据，而且这些条件在问题中也没有指定。我猜测，在零旁边的“NA”应该被替换为最后已知的值，根据当前的数据集，我认为这不会有问题。或者当遇到“NA”时，您是否希望继续填充数据的“NA”？请随意分享您所感知到的条件以及您建议如何处理它。我发现您目前的解决方案无法处理“NA”值，所以我渴望学习。 - A5C1D2H2I1M1N2O1R2T1

只是为了澄清一下，这个解决方案没有任何缺失值，所以它起到了作用！ - user2813055

Answer 2

受 @Ananda Mahto 解决方案的启发，这是对 na.locf 内部代码的调整，直接使用0而不是NA。然后您就不需要使用 zoo 包，也不需要进行将值更改为 NA 的预处理。基准测试表明，这比原始版本快约10倍。

locf.0 <- function(x) {
  L <- x!=0
  idx <- c(0, which(L))[cumsum(L) + 1]
  return(x[idx])
} 
mydf$state <- locf.0(mydf$temp)

- shadow

---

聪明的想法来修改 na.locf。+1 - A5C1D2H2I1M1N2O1R2T1

Answer 3

这是一个与Reduce函数相关的有趣方法。

temp = c(1,0,0,0,.5,0,0,0,0,0,1,0,0,0,0,0,1,0,0.5,0,0,0,1)
fill_zero = function(x,y) if(y==0) x else y
state = Reduce(fill_zero, temp, accumulate=TRUE)

如果您担心速度问题，可以尝试使用Rcpp。

library(Rcpp)
cppFunction('
  NumericVector fill_zeros( NumericVector x ) {
    for( int i=1; i<x.size(); i++ )
     if( x[i]==0 ) x[i] = x[i-1];
    return x;
  }
')
state = fill_zeros(temp)

- kdauria

Answer 4

此外，除非我忽略了什么，否则这似乎可以起作用：

DF$state2 <- ave(DF$temp, cumsum(DF$temp), FUN = function(x) x[x != 0])
DF
#       random temp state state2
#1  0.50242337  1.0   1.0    1.0
#2  0.68759406  0.0   1.0    1.0
#3  0.74188374  0.0   1.0    1.0
#4  0.44536403  0.0   1.0    1.0
#5  0.50626137  0.5   0.5    0.5
#6  0.51636498  0.0   0.5    0.5
#7  0.80780471  0.0   0.5    0.5
#8  0.24794844  0.0   0.5    0.5
#9  0.46573337  0.0   0.5    0.5
#10 0.10370515  0.0   0.5    0.5
#11 0.07962587  1.0   1.0    1.0
#12 0.93892894  0.0   1.0    1.0
#13 0.67771302  0.0   1.0    1.0
#14 0.11223162  0.0   1.0    1.0
#15 0.16590718  0.0   1.0    1.0
#16 0.83619527  0.0   1.0    1.0
#17 0.38771300  1.0   1.0    1.0
#18 0.14773708  0.0   1.0    1.0
#19 0.43928154  0.5   0.5    0.5
#20 0.08901350  0.0   0.5    0.5
#21 0.84174743  0.0   0.5    0.5
#22 0.93173871  0.0   0.5    0.5
#23 0.80795517  1.0   1.0    1.0

- alexis_laz

---

我认为 ave(DF$temp, cumsum(DF$temp), FUN = sum) 也应该可以工作。 - kdauria

@Kevin：是的，你说得对！在这种情况下，对值进行求和也可以。而且，也许它更快，因为它避免了在索引之前转换为逻辑？尽管如此，我仍然可能更喜欢x[x != 0]，因为它确切地声明了平均函数是什么。 - alexis_laz

Answer 5

一个类似下面的循环应该能为您解决问题 -

for(i in seq(nrow(df)))
{
  if (df[i,"v1"] == 0) df[i,"v1"] <- df[i-1,"v1"]
}

输出 -

> df
   v1 somedata
1   1       33
2   2       24
3   1       36
4   0       49
5   2       89
6   2       48
7   0        4
8   1       98
9   1       60
10  2       76
> 
> for(i in seq(nrow(df)))
+ {
+   if (df[i,"v1"] == 0) df[i,"v1"] <- df[i-1,"v1"]
+ }
> df
   v1 somedata
1   1       33
2   2       24
3   1       36
4   1       49
5   2       89
6   2       48
7   2        4
8   1       98
9   1       60
10  2       76

- TheComeOnMan

Answer 6

我建议使用运行长度编码函数，这是处理数据集中的“连续段”（steaks）的一种自然方式。以@Kevin的示例向量为例：

temp = c(1,0,0,0,.5,0,0,0,0,0,1,0,0,0,0,0,1,0,0.5,0,0,0,1)
y <- rle(temp)
#str(y)
#List of 2
# $ lengths: int [1:11] 1 3 1 5 1 5 1 1 1 3 ...
# $ values : num [1:11] 1 0 0.5 0 1 0 1 0 0.5 0 ...
# - attr(*, "class")= chr "rle"


for( i in seq(y$values)[-1] ) {
   if(y$values[i] == 0) {
      y$lengths[i-1] = y$lengths[i] + y$lengths[i-1]
      y$lengths[i] = 0
   }
}

#str(y)
#List of 2
# $ lengths: num [1:11] 4 0 6 0 6 0 2 0 4 0 ...
# $ values : num [1:11] 1 0 0.5 0 1 0 1 0 0.5 0 ...
# - attr(*, "class")= chr "rle"

inverse.rle(y)
#  [1] 1.0 1.0 1.0 1.0 0.5 0.5 0.5 0.5 0.5 0.5 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.5
# [20] 0.5 0.5 0.5 1.0

- Neal Fultz

---

你需要一些A-1数据酱来搭配这些牛排吗？ :-0 - Carl Witthoft

Answer 7

只需使用一个带有全局变量的循环，

这里使用的全局变量是m，r是一个具有两列A和B的数据框。

r$B = c(1,NA, NA, NA, 3, NA,6)


m=1

for( i in 1:nrow(r) ){

  if(is.na(r$B[i])==FALSE ){

    m <<- i # please note the assign sign ,  " <<- "
    next()

  } else {

    r$B[i] = r$B[m]

  }

}

执行后： r$B = 1 1 1 1 3 3 6

- tinu maria jose

---

首先，这是一种非常糟糕和不符合R语言风格的方法来实现OP想要的功能。还有更好（而且向量化）的替代方案，请参见此帖子的其他答案。其次，您提供的代码实际上无法重现。r没有定义在任何地方，您将R作为data.frame提到，但是R区分大小写。在这种情况下使用<<-恰恰是如何不使用<<-的示例之一：邪恶和错误的用法是修改全局环境中的变量。 - Maurits Evers

最后，next是一个控制流语句；next不返回任何值，应该使用next而不是next()。我认为这个答案对本帖子的贡献很小（如果有的话），因此应该删除，因为它促进了不良的R编码实践。 - Maurits Evers