有条件地填充 R 中的缺失数据

Question

我有一个这样的数据框：

df$v1 = c('2', '', '', '', '3', '', '4', '', '', 'OT')

我想将此变量格式化为序数变量。然而，

df$v1 = as.ordered(df$v1)

结果：

Ord.factor w/ 5 levels ""<"2"<"3"<"4"<..: 2 1 1 1 3 1 4 1 1 5

R 将空单元格作为唯一条目读取，并将它们按顺序放在首位。我想做的是用其上方最后一个单元格的值（或根据您的方向在其左侧）填充空单元格以获取值。换句话说，这个向量实际上应该是这样的：

df$v1 = c('2', '2', '2', '2', '3', '3', '4', '4', '4', 'OT')

我相信此更改将允许我根据需要将变量格式化为序数。我已经尝试了 as.ordered()、as.factor()、levels = c('1'、'2'、'3'、'4'、'OT') 和ordered = TRUE 的所有组合。但是，R 在包含时不使用“级别”或“有序”参数； as.factor() 函数，不使用“级别”或“有序”参数，不会产生序数变量；并且， as.ordered() 函数解决了上述问题。因此，我相信在转换之前填充空单元格是最好的解决方案。最好的方法是什么？我知道我可以使用：

df$v1 = as.ordered(sub('^$', '2', df$v1))

用“2”填充空单元格；但是，每个单元格的替换值不同。我可以这样做：

df.a = df[1:4, ]
df.b = df[5:6, ]
df.c = df[7:9, ]
df.d = df[10, ]
df.a$v1 = as.ordered(sub('^$', '2', df.a$v1))
df.b$v1 = as.ordered(sub('^$', '3', df.b$v1))
df.c$v1 = as.ordered(sub('^$', '4', df.c$v1))

但是，我正在寻找一种自动执行此操作的方法。虽然以上 7 行会在这种情况下产生我想要的结果，但我还有许多其他表存在相同的格式问题；并且，对应于每个必要分区的行数对于每个分区是不同的。非常感谢您的帮助。

Answer 1

我们可以使用zoo中的na.locf在将空格（""）转换为NA之后，用非NA的前一个相邻元素替换NA元素

library(zoo)
df$v1 <- with(df, na.locf(replace(v1, v1=="", NA)))
df$v1
#[1] "2"  "2"  "2"  "2"  "3"  "3"  "4"  "4"  "4"  "OT"

---

这也可以用base R 完成，方法是创建一个分组变量，然后用ave 填充它

with(df,  ave(v1, cumsum(v1!=""), FUN = function(x) x[1]))
#[1] "2"  "2"  "2"  "2"  "3"  "3"  "4"  "4"  "4"  "OT"

Answer 2

tidyr 包中的fill 怎么样？

library(tidyr)

df$v1 <- ifelse(df$v1 == '', NA, df$v1) # requires NA not empty string
df <- df %>% fill(v1)