如何用一组值替换NA

Question

我有以下数据框：

library(dplyr)
library(tibble)


df <- tibble(
  source = c("a", "b", "c", "d", "e"),
  score = c(10, 5, NA, 3, NA ) ) 


df

看起来是这个样子：

# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10 . # current max value
2 b          5
3 c         NA
4 d          3
5 e         NA

我想做的是将分数列中的NA替换为现有max + n之后的值，其中n的范围从1到df的总行数。

最终结果如下（手工编码）:

  source score
  a         10
  b          5
  c         11 # obtained from 10 + 1
  d          3
  e         12 #  obtained from 10 + 2

我如何实现这个目标？

- littleworth

Answer 1

另一个选择：

transform(df, score = pmin(max(score, na.rm = TRUE) + 
                      cumsum(is.na(score)), score, na.rm = TRUE))

#  source score
#1      a    10
#2      b     5
#3      c    11
#4      d     3
#5      e    12

如果你想在dplyr中完成这个操作

library(dplyr)
df %>% mutate(score = pmin(max(score, na.rm = TRUE) + 
                      cumsum(is.na(score)), score, na.rm = TRUE))

- Ronak Shah

Answer 2

一个基本的R解决方案

df$score[is.na(df$score)] <- seq(which(is.na(df$score))) + max(df$score,na.rm = TRUE)

如此以致于

> df
# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10
2 b          5
3 c         11
4 d          3
5 e         12

- ThomasIsCoding

---

已经是最简洁的了，但可以将seq(which(is.na(df$score)))缩短为1:sum(is.na(df$score))。 - s_baldur

@sindri_baldur 谢谢。这个答案是由 https://dev59.com/Y1IH5IYBdhLWcg3wTL55#60222864 提供的。 - ThomasIsCoding

Answer 3

这里提供一种使用dplyr的方法，

df %>% 
 mutate(score = replace(score, 
                       is.na(score), 
                       (max(score, na.rm = TRUE) + (cumsum(is.na(score))))[is.na(score)])
                       )

这提供了,

# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10
2 b          5
3 c         11
4 d          3
5 e         12

- Sotos

Answer 4

使用 dplyr：

library(dplyr)

df %>%
  mutate_at("score", ~ ifelse(is.na(.), max(., na.rm = TRUE) + cumsum(is.na(.)), .))

结果：

# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10
2 b          5
3 c         11
4 d          3
5 e         12

- Aron Strandberg

Answer 5

一个 dplyr 的解决方案。

df %>%
  mutate(na_count = cumsum(is.na(score)),
         score = ifelse(is.na(score), max(score, na.rm = TRUE) + na_count, score)) %>%
  select(-na_count)
## A tibble: 5 x 2
#  source score
#  <chr>  <dbl>
#1 a         10
#2 b          5
#3 c         11
#4 d          3
#5 e         12

- Rui Barradas

Answer 6

还有一种解决方案，与ThomasIsCoding的解决方案非常相似：

> df$score[is.na(df$score)]<-max(df$score, na.rm=T)+(1:sum(is.na(df$score)))
> df
# A tibble: 5 x 2
  source score
  <chr>  <dbl>
1 a         10
2 b          5
3 c         11
4 d          3
5 e         12

- Łukasz Deryło

Answer 7

虽然与基本的R解决方案相比不太优雅，但仍然是可能的：

library(data.table)
setDT(df)

max.score = df[, max(score, na.rm = TRUE)]
df[is.na(score), score :=(1:.N) + max.score]

或者一行代码，但速度稍慢：

df[is.na(score), score := (1:.N) + df[, max(score, na.rm = TRUE)]]
df
   source score
1:      a    10
2:      b     5
3:      c    11
4:      d     3
5:      e    12

- Serhii