在 R 图中快速插入缺失值

Question

我想要一种有效的方法，将缺失值的数据框绘制为 R 中的线图，其原理如下；

• 第一个和最后一个值中的 NA 被完全省略（没有线/点）
• 实际值中的 NA 被替换为用于线图的中间值（不出现点）

这是我的数据框示例（已编辑）

df <- data.frame("time" = c(1,2,3,4,5),
             "case1" = c(NA,2,3,4,NA),
             "case2" = c(5,4,3,2,NA),
             "case3" = c(4,NA,NA,NA,2))

这仅适用于第一种情况

library(pracma)
df$case1.i <- with(df, interp1(time, case1, time, 'linear'))
library(ggplot2)
ggplot(df, aes(time)) + geom_point(aes(case1 = case1)) + geom_line(aes(case1 = case1.i))

我正在努力解决一些问题，使其适用于我实际数据框中的大约 200 列。到目前为止，这段代码似乎不起作用

for (i in colnames(df)){
  argument <- paste("df$case",i,".i <- with(df, interp1(time, case",i,", time, 'linear'))")
  eval(parse(text=argument))
}

Answer 1

将数据读入一个新的动物园对象z，对其应用na.approx以填充数据主体内的NA值，然后使用ggplot2绘图。如果需要单独的面板，请忽略 facet = NULL。请注意，fortify.zoo 和 melt = TRUE 将数据转换为带有 Index、Series 和 Value 列的长格式，并在 geom_point 中使用。如果您只想要线条，请省略 geom_point(...) 部分。请参阅此答案末尾的图片。此处显示的方法相对紧凑，避免了粘贴在一起然后评估代码。

library(ggplot2)
library(zoo)

z <- read.zoo(df)
autoplot(na.approx(z), facet = NULL) + 
  geom_point(aes(Index, Value, group = Series), fortify(z, melt = TRUE))

或者如果你想为每列单独绘制一个图，试试这个：

pdf("civy.pdf")

for(i in 1:ncol(z)) {
  p <- autoplot(na.approx(z[, i])) + 
    ylab(names(z)[i]) +
    geom_point(aes(Index, Value), fortify(z[, i], melt = TRUE))
  plot(p)
}

dev.off()

Answer 2

这里有两种解决方案：一种是将所有数据绘制在一起，按颜色区分；另一种是按不同方面的情况分别绘制它们。原理大致相同：我使用approx 进行线性插值，将数据从宽到长重新格式化，以便在ggplot2 中绘制，然后绘制它。在第二个解决方案中，我还创建了一个名为 type 的新变量来区分插值数据和原始数据。

一起绘制

# Create data frame
df <- data.frame("time" = c(1,2,3,4,5),
                 "case1" = c(NA,2,3,4,NA),
                 "case2" = c(1,2,3,4,NA),
                 "case3" = c(1,NA,NA,NA,5)) 

# Perform interpolation on all columns
# Switch from wide to long format
df %<>% 
  mutate_at(vars(contains("case")), funs(interp = approx(time, ., xout = time)$y)) %>% 
  gather(var, val, -time)

# Plot results all in one figure
g <- ggplot() 
g <- g + geom_point(data = df %>% filter(!grepl("interp", var)), aes(x = time, y = val, colour = var))
g <- g + geom_line(data = df %>% filter(grepl("interp", var)), aes(x = time, y = val, colour = var))
print(g)

单独绘制

# Create data frame
df <- data.frame("time" = c(1,2,3,4,5),
                 "case1" = c(NA,2,3,4,NA),
                 "case2" = c(1,2,3,4,NA),
                 "case3" = c(1,NA,NA,NA,5)) 

# Perform interpolation on all columns
# Switch from wide to long format
# Create column to indicate whether raw or interpolated
# Strip "_interp" from var
df %<>% 
  mutate_at(vars(contains("case")), funs(interp = approx(time, ., xout = time)$y)) %>% 
  gather(var, val, -time) %>% 
  mutate(type = ifelse(grepl("interp", var), "interp", "raw"),
         var = gsub("_.*", "", var))

# Plot results all separate figures
g <- ggplot() 
g <- g + geom_point(data = df %>% filter(type == "raw"), aes(x = time, y = val))
g <- g + geom_line(data = df %>% filter(type == "interp"), aes(x = time, y = val))
g <- g + facet_grid(var ~.)
print(g)

---

用新的数据框编辑

df <- data.frame("time" = c(1,2,3,4,5),
                 "case1" = c(NA,2,3,4,NA),
                 "case2" = c(5,4,3,2,NA),
                 "case3" = c(4,NA,NA,NA,2))

df %<>% 
  mutate_at(vars(contains("case")), funs(interp = approx(time, ., xout = time)$y)) %>% 
  gather(var, val, -time) %>% 
  mutate(type = ifelse(grepl("interp", var), "interp", "raw"),
         var = gsub("_.*", "", var))

g <- ggplot() 
g <- g + geom_point(data = df %>% filter(type == "raw"), aes(x = time, y = val, colour = var))
g <- g + geom_line(data = df %>% filter(type == "interp"), aes(x = time, y = val, colour = var))
print(g)

Answer 3

尽管您在粘贴要评估的论点时出现了一些错误，但您走在正确的道路上，但在我脑海中的是：

• 您应该使用paste0() 删除空格
• 您正在遍历列名，但使用 i 作为数字
• 我会循环遍历我只想插入的列而不是所有列

这是我上面提到的更改的代码：

cols_to_interpolate <- setdiff(colnames(df), 'time')

for (col in cols_to_interpolate){
  #print(col)
  argument <- paste0("df$", col,"_i <- with(df, interp1(time, ", col,", time , 'linear'))")
  #print(argument)
  eval(parse(text=argument))
}

p <- ggplot (df, aes(x = time))
for (col in cols_to_interpolate){
    p <- p + 
      geom_point(aes_string(y = col, color = shQuote(col)),  na.rm = TRUE) + 
      geom_line(aes_string(y = paste0(col,"_i"), color = shQuote(col)), na.rm = TRUE)
  }
p + ylab('Y Label') + xlab('X Label')

注意：我选择这种方法是因为它最接近您想要做的事情，但是我确信有很多更有效的方法可以获得最终结果。 （更少的 for 循环当然是加分项）