用环境值的平均值替换缺失值答案

【问题标题】：Replace missing values with the mean of surroundings values用环境值的平均值替换缺失值
【发布时间】：2013-09-07 21:27:34
【问题描述】：

我的数据集如下所示（我们称之为“a”）：

date value
2013-01-01 12.2
2013-01-02 NA
2013-01-03 NA
2013-01-04 16.8
2013-01-05 10.1
2013-01-06 NA
2013-01-07 12.0

我想用最接近的环境值（系列中的前一个值和下一个值）的平均值替换 NA。

我尝试了以下，但我不相信输出...

miss.val = which(is.na(a$value))
library(zoo)
z = zoo(a$value, a$date)
z.corr = na.approx(z)
z.corr[(miss.val - 1):(miss.val + 1), ]

【问题讨论】：

您是否考虑过 Imputation？

标签： r time-series na zoo

【解决方案1】：

使用 zoo 包中的 na.locf（最后一次观察结转）：

R> library("zoo")
R> x <- c(12.2, NA, NA, 16.8, 10.1, NA, 12.0)
R> (na.locf(x) + rev(na.locf(rev(x))))/2
[1] 12.20 14.50 14.50 16.80 10.10 11.05 12.00

（如果x 的第一个或最后一个元素是NA，则不起作用）

【讨论】：

好的，但我想通过“a”数据集中的这些值来更改 NA。
@user2165907 你所要做的就是把他的最后一行重定向回来，即x <- (na.locf(x) + rev(na.locf(rev(x))))/2
a$value
@rcs 我想知道 NA 的最后一个邻居值是否不是数字，我的意思是，它是一种类似于 NA 或异常值的字符，如何更改代码以查找周围值的平均值那么呢？

【解决方案2】：

您可以在 1 行代码中使用 imputeTS 包的移动平均 na.ma 函数完成此操作

library(imputeTS)
na_ma(yourData, k = 1)

这会将缺失值替换为最接近的环境值的平均值。您甚至可以额外设置参数。

na_ma(yourData, k =2, weighting = "simple")

在这种情况下，算法将在每个方向上取接下来的 2 个值。您还可以选择不同的值权重（您可能希望值越接近影响越大）

【讨论】：

谢谢，我不知道这个包！