R 将间歇性 NA 值替换为最后一次观察结转 (NA.LOCF)

Question

背景

我需要根据 NA 的性质使用不同的方法替换数据框中的 NA。我的数据框架来自一项重复测量的研究，其中一些 Na 是受试者辍学的结果，而另一些则是间歇性缺失测量的结果，定义为一个或一系列多次缺失测量，然后是测量值。 我将间歇性缺失测量称为间歇性 NA。

问题

我无法测试 NA 是否是间歇性缺失测量的结果，以及我应该使用哪些函数来替换这些 NA。理想情况下，我会用 na.locf 方法替换这些间歇性 NA。但我需要将 Dropout NA 替换为基线或观察到的最后一个值，以较大者为准。

示例

示例 1

这是一个干净的 NA 示例，我希望通过 na.locf 插补将其视为间歇性 NA：

data.frame(visit=c(1,2,3,4,5,6,7,8,9,10),value=c(34,NA,NA,15,16,19,NA,12,23,31))

以及我希望它的最终结果如何：

data.frame(visit=c(1,2,3,4,5,6,7,8,9,10),value=c(34,34,34,15,16,19,19,12,23,31))

示例 2

这是一个清晰的 NA（辍学 NA）示例，我希望通过之前的非 NA 观察或基线值（访问 1）来估算，以最大者为准：

data.frame(visit=c(1,2,3,4,5,6,7,8,9,10),value=c(34,22,18,15,16,19,NA,NA,NA,NA))

以及我希望最终结果如何：

data.frame(visit=c(1,2,3,4,5,6,7,8,9,10),value=c(34,22,18,15,16,19,34,34,34,34))

示例 3

这是一个需要不同插补的 NA 混合的复杂示例，这里之前的非 NA 观察值大于 dropout NA 的基线观察值（访问 1）：

data.frame(visit=c(1,2,3,4,5,6,7,8,9,10),value=c(34,NA,NA,42,16,19,NA,38,NA,NA))

我需要怎样的结果：

data.frame(visit=c(1,2,3,4,5,6,7,8,9,10),value=c(34,34,34,42,16,19,19,38,38,38))

示例 4

另一个复杂示例，其中基线观察（访问 1）大于 dropout NA 的先前非 NA 值：

data.frame(visit=c(1,2,3,4,5,6,7,8,9,10),value=c(40,NA,NA,42,16,19,NA,38,NA,NA))

我需要怎样的结果：

data.frame(visit=c(1,2,3,4,5,6,7,8,9,10),value=c(40,40,40,42,16,19,19,38,40,40))

---

我的尝试

正如@Gregor 所建议的，在我说这将解决我的问题时，可以通过以下方式测试是否存在间歇性 NA：

mutate(is.na(value) & !is.na(lead(value))

但这并不能帮助我估算所有间歇性 NA，特别是序列中的间歇性 NA (NA1,NA2,NA3,14)，其中只有 NA3 在运行此测试后返回为 TRUE。

Answer 1

我们可以使用na.locf(..., fromLast = TRUE) 来识别尾随的NA 值，并将pmax 与基线一起使用。我们将以很好的整体格式演示您问题中的示例：

# consolidate example data
dd = data.frame(
  example = rep(1:3, each = 10),
  visit = rep(1:10, 3),
  value = c(34,NA,NA,15,16,19,NA,12,23,31,
            34,22,18,15,16,19,NA,NA,NA,NA,
            34,NA,NA,42,16,19,NA,38,NA,NA),
  goal = c(34,34,34,15,16,19,19,12,23,31,
           34,22,18,15,16,19,34,34,34,34,
           34,34,34,42,16,19,19,38,38,38)
)

library(dplyr)
dd = dd %>% group_by(example) %>%
  mutate(to_fill = !is.na(zoo::na.locf(value, fromLast = TRUE, na.rm = FALSE)),
         result = if_else(to_fill,
                          zoo::na.locf(value, na.rm = FALSE),
                          pmax(first(value), zoo::na.locf(value, na.rm = FALSE))),
    )

all(dd$goal == dd$result)
# [1] TRUE

如您所见，result 与goal 列完美匹配。