【问题标题】：R Missing Value Replacement FunctionR 缺失值替换函数
【发布时间】：2014-05-09 07:13:39
【问题描述】：

我有一个缺少值的表，我正在尝试编写一个函数来替换基于最接近的两个非零值计算的缺失值。

例子：

对于X = 3、Tom = 5.1 + (7.4-5.1)/2。

对于X = 4、Tom = (5.1 + (7.4-5.1)/2) + (7.4-5.1)/2

这个函数已经存在了吗？如果没有，任何建议将不胜感激。

【问题讨论】：

我不知道有什么功能可以做到这一点。 pkg::zoo 中的na.locf 函数将“继承”。
我不太明白你在计算 X = 4 时 Tom 的值是什么意思，你能详细说明一下吗？

标签： r missing-data imputation

【解决方案1】：

一种更常用的方法（但不等同于问题）是使用线性插值：

library(zoo)
df <- data.frame(X = 1:5, Tom = c(4.3, 5.1, NA, NA, 7.4))

na.approx(df)

或样条插值：

na.spline(df)

【讨论】：

谢谢！ na.approx() 成功了。您知道算法使用的公式是什么，或者如何查找吗？
它使用线性插值。 R approx 命令在下面做真正的工作。 ?approx

【解决方案2】：

其实 imputeTS 包（我是维护者）为此提供了很好的解决方案。

用移动平均线代替

 na_ma(x, k = 2)

x 是你的输入对象 k 是移动平均窗口

k of 1 表示您只考虑之前和之后的值 k of 2 表示您考虑之前的 2 个值和之后的 2 个值

这个函数可能是最接近所需计算的。唯一的区别是 imputeTS 方法不会跳过 NA 值。（根据线程启动器的要求）

但特别是对于长时间的 NA 连胜，这是完全合理的。 1、2、不适用、不适用、不适用、不适用、不适用、不适用、不适用、不适用、不适用、不适用、不适用、14、15、16 （在第 3 位取 2 和 14 的平均值并不是一个好主意）

此外Last Observation Forward（如评论中42所述）

imputeTS::na_locf(x)

或插值（G. Grothendieck 也提到过）

imputeTS::na_interpolation(x)

还缺少一些朝同一方向发展的数据替换选项。如果您有兴趣，这里是 R Journal 中的introduction to the imputeTS package。

【讨论】：

【解决方案3】：

在这种情况下只需使用循环，其他方法要困难得多。

for (i in seq_len(nrow(df)) {
  if (is.na(df[i, 'Tom']))
    df[i, 'Tom'] <- ((tmp <- c(0, df$Tom[!is.na(df$Tom)], 0))[i+1] + tmp[i]) / 2 + tmp[i]
}

示例

df <- data.frame(X = seq_len(100), Tom = ifelse(runif(100, 0, 1) > 0.5, NA, round(runif(100, 0, 10), 1)))
head(df)
# X Tom
# 1 1  NA
# 2 1.4
# 3 3  NA
# 4 4 3.9
# 5 5  NA
for (i in seq_len(nrow(df))) { if (is.na(df[i, 'Tom']))  df[i, 'Tom'] <- ((tmp <- c(0, df$Tom[!is.na(df$Tom)], 0))[i+1] + tmp[i]) / 2 + tmp[i] }
head(df)
#  X  Tom
# 1 1 0.70
# 2 2 1.40
# 3 3 4.05
# 4 4 3.90
# 5 5 9.05

【讨论】：