用因子列的模式和r中数字列的平均值替换缺失答案

【问题标题】：replace missing with mode for factor column and mean for numeric column in r用因子列的模式和r中数字列的平均值替换缺失
【发布时间】：2018-10-09 07:40:52
【问题描述】：

我有以下名为“train”的数据框。 bflag 和 zfactor 列是因子，其他 2 列是数字。我想用模式替换因子列的缺失值，用同一数据框中的平均值替换数值变量的缺失值。我如何在 R 中做到这一点？

ID   bflag  vcount zfactor vnumber
1     0       12      1       12
2     1       NA      0       8
3     0       3       0       9
4     1       13      0       NA
5     1       2       1       2
6     NA      10      NA      NA

【问题讨论】：

标签： r replace mean missing-data mode

【解决方案1】：

在基础 R 中，您可以遍历列并使用简单的 if 语句。我们必须为模式定义一个函数，因为基础 R 没有提供一个函数。

df[-1] <- lapply(df[-1], function(x) {
    if(is.factor(x)) replace(x, is.na(x), Mode(na.omit(x)))
    else if(is.numeric(x)) replace(x, is.na(x), mean(x, na.rm=TRUE))
    else x
})

df
#   ID bflag vcount zfactor vnumber
# 1  1     0     12       1   12.00
# 2  2     1      8       0    8.00
# 3  3     0      3       0    9.00
# 4  4     1     13       0    7.75
# 5  5     1      2       1    2.00
# 6  6     1     10       0    7.75

数据和Mode函数：

df <- read.table(text = "ID   bflag  vcount zfactor vnumber
1     0       12      1       12
2     1       NA      0       8
3     0       3       0       9
4     1       13      0       NA
5     1       2       1       2
6     NA      10      NA      NA", 
colClasses = rep(c("numeric", "factor"), length.out=5), 
header = TRUE)

Mode <- function(x) {
    ux <- unique(x)
    ux[which.max(tabulate(match(x, ux)))]
}

Mode借自Is there a built-in function for finding the mode?

【讨论】：

非常感谢您的回答。在实施mean 后，我一直在努力寻找一种计算模式的方法，但您的回答解决了我的问题。我已经在我的回答中提到了你，希望你不要介意。
@MKR - 完全没问题 :)

【解决方案2】：

dplyr::mutate_if 将有助于确定该列所需的列类型和函数/操作(mode/mean)。解决方案是：

library(dplyr)
df %>% mutate_if(is.numeric, funs(replace(.,is.na(.), mean(., na.rm = TRUE)))) %>%
  mutate_if(is.factor, funs(replace(.,is.na(.), Mode(na.omit(.)))))

#   ID bflag vcount zfactor vnumber
# 1  1     0     12       1   12.00
# 2  2     1      8       0    8.00
# 3  3     0      3       0    9.00
# 4  4     1     13       0    7.75
# 5  5     1      2       1    2.00
# 6  6     1     10       0    7.75

注意：Mode 函数取自 @RichScriven 答案。 Mode 函数的链接位于 (Is there a built-in function for finding the mode?)

Mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

【讨论】：