在 R 中线性地估算缺失值答案

【问题标题】：Imputing missing values linearly in R在 R 中线性地估算缺失值
【发布时间】：2014-03-27 16:09:03
【问题描述】：

我有一个缺失值的数据框：

X   Y   Z
54  57  57
100 58  58
NA  NA  NA
NA  NA  NA
NA  NA  NA
60  62  56
NA  NA  NA
NA  NA  NA
69  62  62

我想从已知值线性估算 NA 值，以便数据框看起来：

X   Y    Z
54  57  57
100 58  58
90  59  57.5
80  60  57
70  61  56.5
60  62  56
63  62  58
66  62  60
69  60  62

谢谢

【问题讨论】：

Y 列的最后一个值不应该是 62 吗？

标签： r missing-data

【解决方案1】：

Base R 的approxfun() 返回一个函数，该函数将线性插值它所传递的数据。

## Make easily reproducible data
df <- read.table(text="X   Y   Z
54  57  57
100 58  58
NA  NA  NA
NA  NA  NA
NA  NA  NA
60  62  56
NA  NA  NA
NA  NA  NA
69  62  62", header=T)

## See how this works on a single vector
approxfun(1:9, df$X)(1:9)
# [1]  54 100  90  80  70  60  63  66  69

## Apply interpolation to each of the data.frame's columns
data.frame(lapply(df, function(X) approxfun(seq_along(X), X)(seq_along(X))))
#     X  Y    Z
# 1  54 57 57.0
# 2 100 58 58.0
# 3  90 59 57.5
# 4  80 60 57.0
# 5  70 61 56.5
# 6  60 62 56.0
# 7  63 62 58.0
# 8  66 62 60.0
# 9  69 62 62.0

【讨论】：

您可能应该将其作为一个单独的问题提出。（使用 rle 和 inverse.rle 不会太难，除了这些函数处理 NA 的方式，这将需要稍微复杂的方法。）
那么我怎样才能对插值施加约束。假设 NAs 超过 10 个连续条目应该保持 NAs 而不是估算。
谢谢，刚刚问了这个问题。

【解决方案2】：

我可以推荐我正在维护的 imputeTS 包（即使它用于时间序列插补）

对于这种情况，它会像这样工作：

library(imputeTS)
df$X <- na_interpolation(df$X, option ="linear")
df$Y <- na_interpolation(df$Y, option ="linear")
df$Z <- na_interpolation(df$Z, option ="linear")

如前所述，该软件包需要时间序列/向量输入。（这就是为什么必须单独调用每一列的原因）

该软件包还提供了许多其他插补功能，例如样条插值。

【讨论】：

欢迎来到 Stack Overflow！您已经快速连续发布了几个答案，都推荐 imputeTS 包。也许你只是一个大粉丝，但如果你不止于此，你应该在答案本身中报告任何从属关系。您可能想阅读帮助页面中的How not to be a spammer (aka how not to appear as one)。