用平均值替换 R 中的缺失值答案

【问题标题】：replacing a missing value in R with average value用平均值替换 R 中的缺失值
【发布时间】：2015-06-26 18:48:43
【问题描述】：

我有一个数据框，其中包含缺失值的数据列，我想通过使用上方和下方单元格的值取平均值来替换缺失值。

 df1<-c(2,2,NA,10, 20, NA,3)
 if(df1[i]== NA){
 df1[i]= mean(df1[i+1],df1[i-1])
}

但是，我收到了这个错误

  Error in if (df1[i] == NA) { : missing value where TRUE/FALSE needed
  In addition: Warning message:
  In if (df1[i] == NA) { :
  the condition has length > 1 and only the first element will be used

如果能提供解决此问题的任何指导，我们将不胜感激。

【问题讨论】：

如果连续有两个 NA 值怎么办？如果缺少第一个或最后一个元素怎么办？
我以 df1 为例，但我的数据集包含数千个值，并且发现 NA 不是连续的。

标签： r if-statement average missing-data

【解决方案1】：

如果你确定你没有任何连续的 NA 值并且第一个和最后一个元素永远不是 NA，那么你可以这样做

df1<-c(2,2,NA,10, 20, NA,3)
idx<-which(is.na(df1))
df1[idx] <- (df1[idx-1] + df1[idx+1])/2
df1
# [1]  2.0  2.0  6.0 10.0 20.0 11.5  3.0

这应该比循环更有效。

【讨论】：

【解决方案2】：

使用来自dplyr 的滞后和超前：

library(dplyr)

df1[is.na(df1)] <- (df1[is.na(lag(df1, default=""))] +          
                    df1[is.na(lead(df1, default=""))]) / 2

这将比 for 循环版本快得多

【讨论】：

【解决方案3】：

您可以使用 zoo 包中的 na.approx() 将 NA 替换为插值：

library(zoo)
> na.approx(df1)
# [1]  2.0  2.0  6.0 10.0 20.0 11.5  3.0

根据@G.Grothendieck 所述，如果连续有多个NAs，这将填充NAs。此外，如果末尾可以有NAs，则添加参数na.rm = FALSE 将保留它们，或者添加rule = 2 将用第一个或最后一个非NA 替换它们。

【讨论】：

应该指出，如果一行中有多个 NA，则此解决方案是唯一填充 NA 的解决方案。此外，如果末尾可能有 NA，则添加参数 na.rm=FALSE 将保留它们，或者添加 rule=2 将用第一个或最后一个非 NA 替换它们。

【解决方案4】：

使用is.na()检查NA，创建一个循环并给mean()一个向量作为参数，否则它只会看到第一个值。如果您没有连续的 NA 并且第一个和最后一个条目不是 NA，这应该可以工作：

df1<-c(2,2,NA,10, 20, NA,3)
for(i in 2:(length(df1)-1)){
  if(is.na(df1[i])){
     df1[i]= mean(c(df1[i+1],df1[i-1]))
  }
}

【讨论】：

【解决方案5】：

它首先检查相应列中的 NA，如果有缺失值，则用列的平均值替换，否则只返回数据集。

df$col_name

【讨论】：