在 dplyr mutate 中取领先和滞后日期的平均值

Question

我试图找出上面一行和下面一行的日期的平均值。但是， lag(Date) 和 lead(Date) 正在生成向量，mean() 然后拒绝使用返回的 NA 来代替（弄清楚这让我费了太长时间）。

df <- data_frame(Date = as.Date(c("2020-01-01", NA, "2020-12-12")))
df <- mutate(df, Date = replace_na(Date, mean(c(lag(Date),lead(Date)))))

这给出了 ("2020-01-01", NA, "2020-12-12") 而我想要的是 ("2020-01-01, "2020-06-06", "2020-12- 12")

那么如何访问 Date 的上一行和下一行值，以便生成平均值？

Answer 1

data_frame 已弃用，因此我们已将其替换为 data.frame。 tibble 将是一个替代方案，但涉及额外的依赖项。在 zoo 中使用 na.approx 并将其转换回 Date 类，因为它会产生数字输出。这也适用于连续插入多个 NA。如果我们使用lead 和lag，这将不起作用。如果末端有 NA，这会使它们保持原样，或者我们也可以使用 na.approx 的不同参数来填充它们；但是，在示例数据中没有这样的 NA，因此我们将其保留为所示。

(注意，正确的中点如下图所示，而不是问题中所示。2020-01-01 和 2020-06-22 之间以及 2020-06-22 和 2020-12 之间有 173 天-12.)

library(dplyr)
library(zoo)

df <- data.frame(Date = as.Date(c("2020-01-01", NA, "2020-12-12"))) # test input

mutate(df, Date = as.Date(na.approx(Date, na.rm = FALSE)))

给予：

        Date
1 2020-01-01
2 2020-06-22
3 2020-12-12

Answer 2

Base R one liner 解决您的示例数据（怀疑您有多个 NA 实例 - 请参阅下面的解决方案）：

df$Date <- ifelse(is.na(df$Date), mean(df$Date, na.rm = TRUE), df$Date)

插入日期：

df$Date <- as.Date(ifelse(
  is.na(df$Date),
  approx(as.numeric(df$Date), method = "linear", n = nrow(df))$y[which(is.na(df$Date))]
  ,
  df$Date
),
origin = as.Date("1970-01-01", "%Y-%m-%d"),
"%d-%m-%Y")

使用的数据：

df <- data.frame(Date = as.Date(c("2020-01-01", NA, "2020-12-12")))