R：在 NA 之后保留时间序列中的第一个值并将 3 个连续值设置为 NA

Question

我有一个数据框，列中有许多时间序列（例如 col1 中的一个序列）。我想遍历每个时间序列并保留出现在 NA 之后的第一个值，并将 仅连续 3 个值设置为 NA（col2 中所需结果的示例）。理想情况下，这应该适用于数据框中的所有或指定（例如 [2:30]）列。

This answer 不考虑仅 3 个连续值到 NA 的条件。

样本数据

df <- data.frame(
col1 = c(7.00, NA, NA, 1.00, 2.00, 5.00, NA, 5.00, 7.00, NA, NA, 1.00, NA, 2.00, NA, NA, 1.00, 3.00, 4.00, 5.00, 6.00, 7.00, NA, 7.00, NA),
col2 = c(7.00, NA, NA, 1.00, NA, NA, NA, 5.00, NA, NA, NA, 1.00, NA, 2.00, NA, NA, 1.00, NA, NA, NA, 6.00, NA, NA, 7.0, NA),
                     stringsAsFactors = FALSE)

感谢您的帮助。

Answer 1

这是一种使用dplyr的方法。

首先，每当我们有一个跟随NA 的有效值时，我都会创建一个新组。然后在每个组中，我将第 2 到第 4 行设置为NA，否则使用col1。

library(dplyr)

df %>%
  mutate(new_grp = if_else(!is.na(col1) & is.na(lag(col1)), 1, 0),
         grp = cumsum(new_grp)) %>%
  group_by(grp) %>%
  # Modified below per OP clarification: treat each group of 4 entries
  #   following an NA like the first four, with one value and then 3 NAs.
  #   Uses modulo 4, where any row with a remainder of 2, 3, or 0 (ie row 4, etc.) will get NA
  mutate(col2b = case_when(row_number() %% 4 %in% c(2:3, 0)  ~ NA_real_,
                          TRUE ~ col1)) %>%
  ungroup() 

输出：

row col1 col2 col2b
1   7   7   7
2   NA  NA  NA
3   NA  NA  NA
4   1   1   1
5   2   NA  NA
6   5   NA  NA
7   NA  NA  NA
8   5   5   5
9   7   NA  NA
10  NA  NA  NA
11  NA  NA  NA
12  1   1   1
13  NA  NA  NA
14  2   2   2
15  NA  NA  NA
16  NA  NA  NA
17  1   1   1
18  3   NA  NA
19  4   NA  NA
20  5   NA  NA
21  6   6   6
22  7   NA  NA   # Modified per OP clarification
23  NA  NA  NA
24  7   7   7
25  NA  NA  NA

编辑：应用于多个/所有列

如果您的所有列都属于同一类型，这应该可以一次转换所有列。它通过使用tidyr 将数据从宽格式收集到“长”格式，然后执行与以前相同的计算，然后传播回宽格式。

df %>%
  mutate(row = row_number()) %>%
  tidyr::gather(col, value, -row) %>%
  group_by(col) %>%

  mutate(new_grp = if_else(!is.na(value) & is.na(lag(value)), 1, 0),
         grp = cumsum(new_grp)) %>%
  group_by(col, grp) %>%
  mutate(value = case_when(row_number() %% 4 %in% c(2:3, 0)  ~ NA_real_,
                           TRUE ~ value)) %>%
  ungroup() %>%
  tidyr::spread(col, value) %>%
  select(-row, -new_grp, -grp)

如果您的数据框使用不同的类型，我认为它会变得更加复杂，除非我缺少更简单的替代方案。我从一种使用“tidyeval”的方法开始，让您使用函数以编程方式更改一个指定的列。之后的最后一步可以使用purrr 将函数应用于所有列。

NA_2to4 <- function(df_name, col_to_change) {
  col_quo <- enquo(col_to_change)
  df_name %>%
    mutate(new_grp = if_else(!is.na(!!col_quo) & is.na(lag(!!col_quo)), 1, 0),
         grp = cumsum(new_grp)) %>%
    group_by(grp) %>%
    mutate(!!col_quo := case_when(row_number() %% 4 %in% c(2:3, 0)  ~ NA_real_,
                             TRUE ~ !!col_quo)) %>%
    ungroup() %>%
    select(-new_grp, -grp)
}

您可以通过以下方式将其应用于特定列：

df %>% 
  NA_2to4(colA) %>%
  NA_2to4(colB)

我认为有一种方法可以使用 purr::map 来应用于所有列，但我目前不确定语法。