按唯一ID填写组的缺失数据[重复]答案

【问题标题】：fill in missing data for group by unique ID [duplicate]按唯一ID填写组的缺失数据[重复]
【发布时间】：2020-12-14 23:21:18
【问题描述】：

我的临床数据结构如下所示：

patientid <- c(100,100,100,101,101,101,102,102,102,104,104,104)
group <- c(1,1,NA,2,NA,NA,1,1,1,2,2,NA)

Data<- data.frame(patientid=patientid,group=group)

如果缺少数据，则 NA 应与同一患者 ID 的其他组值相同。换句话说，患者总是在同一组中，需要填写缺失的数据以反映这一点。所以它应该是这样的：

patientid <- c(100,100,100,101,101,101,102,102,102,104,104,104)
group <- c(1,1,1,2,2,2,1,1,1,2,2,2)

Data<- data.frame(patientid=patientid,group=group)

【问题讨论】：

标签： r missing-data

【解决方案1】：

你可以写一个小辅助函数，比如：

fun <- function(x) replace(x, is.na(x), x[!is.na(x)][1])

然后，你可以在transform 或within 中使用它：

transform(Data, group = ave(group, patientid, FUN = fun))
#    patientid group
# 1        100     1
# 2        100     1
# 3        100     1
# 4        101     2
# 5        101     2
# 6        101     2
# 7        102     1
# 8        102     1
# 9        102     1
# 10       104     2
# 11       104     2
# 12       104     2

甚至与其他软件包一起使用：

library(data.table)
as.data.table(Data)[, group := fun(group), patientid][]

即使组值不是每个患者“患者 ID”的第一个值，这也会起作用。试试，例如：

# First row of "group" is `NA`
Data <- Data[c(3, 1, 2, 4:nrow(Data)), ]

【讨论】：

【解决方案2】：

我们可以使用tidyr中的fill，通过'patientid'分组后

library(dplyr)
library(tidyr)
Data %>%
     group_by(patientid) %>% 
     fill(group) %>%
     ungroup

-输出

# A tibble: 12 x 2
#   patientid group
#       <dbl> <dbl>
# 1       100     1
# 2       100     1
# 3       100     1
# 4       101     2
# 5       101     2
# 6       101     2
# 7       102     1
# 8       102     1
# 9       102     1
#10       104     2
#11       104     2
#12       104     2

【讨论】：

【解决方案3】：

带有ave 的基本 R 选项可以实现

transform(
  Data,
  group = ave(group, patientid, FUN = function(x) unique(na.omit(x)))
)

给了

   patientid group
1        100     1
2        100     1
3        100     1
4        101     2
5        101     2
6        101     2
7        102     1
8        102     1
9        102     1
10       104     2
11       104     2
12       104     2

data.table 选项与nafill

setDT(Data)[, group := nafill(group, fill = unique(na.omit(group))), patientid]

给了

> Data
    patientid group
 1:       100     1
 2:       100     1
 3:       100     1
 4:       101     2
 5:       101     2
 6:       101     2
 7:       102     1
 8:       102     1
 9:       102     1
10:       104     2
11:       104     2
12:       104     2

【讨论】：

【解决方案4】：

dplyr：

Data%>%group_by(patientid)%>%mutate(group=(ifelse(is.na(group),max(group,na.rm=TRUE),group)))

【讨论】：

【解决方案5】：

您可以在 group 和 patientid 之间创建一个映射，然后使用此映射来填充缺失值。

# Create mapping btw group and patientid
df = data.frame(patientid, group)
patientid.unique = unique(patientid)
mapping = data.frame(pid=patientid.unique, group=NA)
for (pid in patientid.unique){
  mapping$group[mapping$pid == pid] = unique(df[df$patientid == pid & !is.na(df$group), "group"])
}

> mapping
  pid group
1 100     1
2 101     2
3 102     1
4 104     2

# Fill in missing values
group.filled = apply(df, 1, function(x) {mapping$group[mapping$pid == x[1]] })
df$group = group.filled

【讨论】：