在多列的循环中将 NA 替换为组值答案

【问题标题】：Replace NA with group value in loop across multiple columns在多列的循环中将 NA 替换为组值
【发布时间】：2020-07-04 20:19:36
【问题描述】：

我想将 NA 替换为组值（不是平均值或中值，因为某些列是字符或因子），并且我想为所有使用相同组的列列表执行此操作。

样本数据：

ID <- c(1,1,1,2,2,2,3,3)
V1 <- c(NA,"HEJ",NA,"BOS","BOS",NA,"IB","IB")
V2 <- c(700,700,NA,3000,NA,NA,NA,1000)
V3 <- c(NA,NA,3,1,1,1,2,NA)
V4 <- c(NA,NA,NA,NA,NA,"LA",NA,"FE")
mydf <- data.frame(ID,V1,V2,V3,V4)

> mydf
  ID   V1   V2 V3   V4
1  1 <NA>  700 NA <NA>
2  1  HEJ  700 NA <NA>
3  1 <NA>   NA  3 <NA>
4  2  BOS 3000  1 <NA>
5  2  BOS   NA  1 <NA>
6  2 <NA>   NA  1   LA
7  3   IB   NA  2 <NA>
8  3   IB 1000 NA   FE

所以我知道如果我只想为一列这样做，我会：

setDT(mydf)[, V1:= 
                V1[!is.na(V1)][1L],
                by = ID]

然后得到：

> mydf
   ID  V1   V2 V3   V4
1:  1 HEJ  700 NA <NA>
2:  1 HEJ  700 NA <NA>
3:  1 HEJ   NA  3 <NA>
4:  2 BOS 3000  1 <NA>
5:  2 BOS   NA  1 <NA>
6:  2 BOS   NA  1   LA
7:  3  IB   NA  2 <NA>
8:  3  IB 1000 NA   FE

但是我有很多列，所以我需要把它放在某种循环中。

期望的输出：

> mydf
   ID  V1   V2 V3   V4
1:  1 HEJ  700  3 <NA>
2:  1 HEJ  700  3 <NA>
3:  1 HEJ  700  3 <NA>
4:  2 BOS 3000  1   LA
5:  2 BOS 3000  1   LA
6:  2 BOS 3000  1   LA
7:  3  IB 1000  2   FE
8:  3  IB 1000  2   FE

这是我没有运气的尝试：

names <- colnames(mydf[,-c(1)])

for(j in seq_along(nm1)){

   set(mydf,
       i = which(is.na(mydf[[names[j]]])),
       j = names[j],
       value = mydf[[names[j]]][is.na(mydf[[names[j]]])])
}

我也试过这个：

mydf[,-c(1] <- lapply(mydf, function(x) 
  replace(x, is.na(x), x[!is.na(x)]))

> mydf
  ID V1  V2   V3 V4
1  1  1 HEJ  700  3
2  1  1 HEJ  700  1
3  1  1 BOS  700  3
4  2  2 BOS 3000  1
5  2  2 BOS  700  1
6  2  2 BOS 3000  1
7  3  3  IB 1000  2
8  3  3  IB 1000  1

很抱歉，如果我问的问题已经存在但我无法找到它。我希望有人可以帮我清理我凌乱的数据:)

【问题讨论】：

标签： r loops replace

【解决方案1】：

我们可以从zoo使用na.locf

library(data.table)
setDT(df1)[, na.locf(.SD), by = ID, .SDcols = V2:V4]

【讨论】：

【解决方案2】：

我们可以使用.SDcols 将函数应用于多个列。

library(data.table)

cols <- names(mydf[-1])
setDT(mydf)

mydf[, (cols):= lapply(.SD, function(x) 
         replace(x, is.na(x), x[!is.na(x)][1])),.SDcols = cols, by = ID]
mydf

#   ID  V1   V2 V3   V4
#1:  1 HEJ  700  3 <NA>
#2:  1 HEJ  700  3 <NA>
#3:  1 HEJ  700  3 <NA>
#4:  2 BOS 3000  1   LA
#5:  2 BOS 3000  1   LA
#6:  2 BOS 3000  1   LA
#7:  3  IB 1000  2   FE
#8:  3  IB 1000  2   FE

【讨论】：

感谢它有效，但它会覆盖那些没有 NA 的列，我不希望这样，所以我认为对于我的情况，填充效果更好。不过谢谢。我一直在寻找这样的东西。
@LouiseSørensen 更新了答案以仅替换 NA 值。

【解决方案3】：

dplyr 和 tidyr 可能是：

mydf %>%
 group_by(ID) %>%
 fill(-ID, .direction = "downup")

     ID V1       V2    V3 V4   
  <dbl> <fct> <dbl> <dbl> <fct>
1     1 HEJ     700     3 <NA> 
2     1 HEJ     700     3 <NA> 
3     1 HEJ     700     3 <NA> 
4     2 BOS    3000     1 LA   
5     2 BOS    3000     1 LA   
6     2 BOS    3000     1 LA   
7     3 IB     1000     2 FE   
8     3 IB     1000     2 FE

【讨论】：

编辑：询问如果底部值为 NA 是否有效，但我可以看到我的示例数据已经有这样的列大小写 (V3)
你能详细说明这个问题吗？我不确定我是否理解:)
它不适用于我的示例数据..我收到错误“match.arg(.direction) 中的错误：'arg' 应该是“down”、“up”之一”
上下都试过了，都没有提供想要的输出
这个参数比较新，尝试更新到最新版tidyr。