R中多列的条件均值？答案

【问题标题】：Conditional mean for multiple columns in R?R中多列的条件均值？
【发布时间】：2020-03-02 07:00:40
【问题描述】：

我的数据是这样的：

train <- data.frame(y=c(1,2,1,1), x1=c(2,4,NA,5), x2=c(8,NA,6,12))

我需要用该列的平均值替换每个 x 变量的缺失值 (NA)，但必须使用对应 y 值等于行的 y 值的 x 变量的值来计算平均值那个缺失值。

例如：在 x1 列的 NA 所在的行中，y 值等于 1，因此应该将这个缺失值替换为 2 到 5 之间的平均值（即 y 所在的 x1 值还有 1).

我的代码是这样的，但平均值不是有条件的：

for(i in 1:ncol(train)){
  train[is.na(train[,i]), i] <- mean(train[,i], na.rm = TRUE)
}

【问题讨论】：

尝试library(zoo); library(dplyr);train %>% group_by(y) %>% mutate_all(na.aggregate) 对于第 2 行，即 y = 2，'x2' 是 NA，应该保持为 NA

标签： r for-loop mean

【解决方案1】：

library(dplyr)
train %>%
    group_by(y) %>%
    mutate_at(vars(-y), function(v){
        if_else(is.na(v), mean(v, na.rm = TRUE), v)
    }) %>%
    ungroup()
## A tibble: 4 x 3
#      y    x1    x2
#  <dbl> <dbl> <dbl>
#1     1   2       8
#2     2   4     NaN
#3     1   3.5     6
#4     1   5      12

【讨论】：

【解决方案2】：

我们可以在按'y'列分组后使用na.aggregate

library(dplyr)
library(zoo)
train %>%
  group_by(y) %>%
   mutate_at(vars(-one_of(group_vars(.))),
             ~if(all(is.na(.))) NA_real_ else na.aggregate(.))
# A tibble: 4 x 3
# Groups:   y [2]
#      y    x1    x2
#  <dbl> <dbl> <dbl>
#1     1   2       8
#2     2   4      NA
#3     1   3.5     6
#4     1   5      12

或者在splitting 数据集之后将na.aggregate 应用到基于'y' 列的data.frames 的list 中

train[-1] <- unsplit(lapply(split(train[-1], train$y), na.aggregate), train$y)

【讨论】：

【解决方案3】：

考虑ave 是否包含在ifelse 中的分组平均值是否为NA 条件：

# ITERATE THROUGH ALL COLUMNS BUT FIRST
for(i in c("x1", "x2")) {    
    train[[i]] <- ifelse(test = is.na(train[[i]]), 
                         yes = ave(train[[i]], train$y, FUN=function(x) mean(x, na.rm=TRUE)), 
                         no = train[[i]])
}

train   
#   y  x1  x2
# 1 1 2.0   8
# 2 2 4.0 NaN
# 3 1 3.5   6
# 4 1 5.0  12

【讨论】：