如何用这些列的中位数替换数值列中的 NA？ [复制]

Question

我正在处理具有多种数据类型的数据框。我想仅将 数字列上的 NA 值替换为 该特定列的中位数。我有看到关于用平均值替换的问题，但不是中位数。我的df类似于下面的代码：

my_groups <- c(rep("A", 5), rep("B",5))
my_values_1 <- c(4, 9, 10, NA, 5, 12, NA, 7, 11, 8)
my_values_2 <- c(3, NA, 4, 8, 2, 11, 15, NA, 9, 10)
my_df <- data.frame(my_groups, my_values_1, my_values_2)
my_df %>% select_if(is.numeric)

这给了我数字列，但我不知道下一步。

Answer 1

这里有几种方法。测试数据框DF 在（1）中定义，也用于其他方法。

1) dplyr - 交叉/合并

library(dplyr)

# test data
DF <- data.frame(a = c(NA, NA, 1, 2), b = 1:4, c = letters[1:4])

DF %>% 
  mutate(across(where(is.numeric), ~ coalesce(., median(., na.rm = TRUE))))

给予：

    a b c
1 1.5 1 a
2 1.5 2 b
3 1.0 3 c
4 2.0 4 d

2) dplyr/tidyr - cross/replace_na

library(dplyr)
library(tidyr)

DF %>% 
  mutate(across(where(is.numeric), ~ replace_na(., median(., na.rm = TRUE))))

3) 动物园 - na.aggregate

library(zoo)

ok <- sapply(DF, is.numeric)
replace(DF, ok, na.aggregate(DF[ok], FUN = median))

4) 基础R

na.median <- function(x) replace(x, is.na(x), median(x, na.rm = TRUE))   
ok <- sapply(DF, is.numeric)
replace(DF, ok, lapply(DF[ok], na.median))

5) 基础 R - S3

na.median <- function(x, ...) UseMethod("na.median")
na.median.default <- identity
na.median.numeric <- function(x, ...) {
  replace(x, is.na(x), median(x, na.rm = TRUE))   
}

replace(DF, TRUE, lapply(DF, na.median))

6) magrittr 我们首先复制DF 以避免破坏它——虽然不建议你可以在最后一行使用DF，如果你可以覆盖它——并使用 magrittr %<>%。 na.median 来自 (4)。

library(magrittr)

DF2 <- DF
DF2[sapply(DF2, is.numeric)] %<>% lapply(na.median)

7) collapse - ftmv ftmv 或其同义词 ftransformv 提供了一个紧凑的表达式。这使用na.median 来自（4）。

library(collapse)

tfmv(DF, is.numeric, na.median)

Answer 2

我们可以将mutate 与across 和ifelse 语句一起使用： 注意：D. Grothendieck 的答案也很完美！

library(dplyr)
my_df %>% 
  mutate(across(where(is.numeric), ~ifelse(is.na(.), median(.,na.rm=TRUE), .)))

输出：

   my_groups my_values_1 my_values_2
1          A         4.0         3.0
2          A         9.0         8.5
3          A        10.0         4.0
4          A         8.5         8.0
5          A         5.0         2.0
6          B        12.0        11.0
7          B         8.5        15.0
8          B         7.0         8.5
9          B        11.0         9.0
10         B         8.0        10.0

Answer 3

case_when 的选项

library(dplyr)
 my_df %>% 
   mutate(across(where(is.numeric), 
     ~ case_when(is.na(.) ~ median(., na.rm = TRUE), TRUE ~ .)))

-输出

 my_groups my_values_1 my_values_2
1          A         4.0         3.0
2          A         9.0         8.5
3          A        10.0         4.0
4          A         8.5         8.0
5          A         5.0         2.0
6          B        12.0        11.0
7          B         8.5        15.0
8          B         7.0         8.5
9          B        11.0         9.0
10         B         8.0        10.0