web-dev-qa-db-ja.com

dplyrを使用して、NAをグループごとに前または次の値に置き換えます

日付の降順に並べられたデータフレームがあります。

ps1 = data.frame(userID = c(21,21,21,22,22,22,23,23,23), 
             color = c(NA,'blue','red','blue',NA,NA,'red',NA,'gold'), 
             age = c('3yrs','2yrs',NA,NA,'3yrs',NA,NA,'4yrs',NA), 
             gender = c('F',NA,'M',NA,NA,'F','F',NA,'F') 
)

UserIDの最初の行にNAが含まれている場合、NA値を以前の値に置き換え（ユーザーIDでグループ化）、そのuseridグループの次の値セットに置き換えます。

私はこのような何かをdplyrとZooパッケージを使用しようとしています...しかし、それは動作しません

cleanedFUG <- filteredUserGroup %>%
 group_by(UserID) %>%
 mutate(Age1 = na.locf(Age), 
     Color1 = na.locf(Color), 
     Gender1 = na.locf(Gender) )

次のような結果dfが必要です。

                      userID color  age gender
                1     21  blue 3yrs      F
                2     21  blue 2yrs      F
                3     21   red 2yrs      M
                4     22  blue 3yrs      F
                5     22  blue 3yrs      F
                6     22  blue 3yrs      F
                7     23   red 4yrs      F
                8     23   red 4yrs      F
                9     23  gold 4yrs      F
rdplyrmissing-datazoo
23
Tarak
require(tidyverse) #fill is part of tidyr

ps1 %>% 
  group_by(userID) %>% 
  fill(color, age, gender) %>% #default direction down
  fill(color, age, gender, .direction = "up")

それはあなたに与えます：

Source: local data frame [9 x 4]
Groups: userID [3]

  userID  color    age gender
   <dbl> <fctr> <fctr> <fctr>
1     21   blue   3yrs      F
2     21   blue   2yrs      F
3     21    red   2yrs      M
4     22   blue   3yrs      F
5     22   blue   3yrs      F
6     22   blue   3yrs      F
7     23    red   4yrs      F
8     23    red   4yrs      F
9     23   gold   4yrs      F
38
Rentrop

Data.frame全体でZoo::na.locfを直接使用すると、userIDグループに関係なくNAがいっぱいになります。パッケージdplyrのグループ化は、残念ながらna.locf関数には影響しません。そのため、私は分割を行いました。

library(dplyr); library(Zoo)
ps1 %>% split(ps1$userID) %>% 
  lapply(function(x) {na.locf(na.locf(x), fromLast=T)}) %>% 
  do.call(rbind, .)
####      userID color  age gender
#### 21.1     21  blue 3yrs      F
#### 21.2     21  blue 2yrs      F
#### 21.3     21   red 2yrs      M
#### 22.4     22  blue 3yrs      F
#### 22.5     22  blue 3yrs      F
#### 22.6     22  blue 3yrs      F
#### 23.7     23   red 4yrs      F
#### 23.8     23   red 4yrs      F
#### 23.9     23  gold 4yrs      F

それは、最初にデータを3つのdata.framesに分割し、次に補完の最初のパス（下向き）を適用し、次にlapplyの匿名関数で上向きに適用し、最終的にrbindを使用してdata.framesを元に戻します。期待どおりの出力が得られました。

4
agenis

purrrと組み合わせたna.locf()で@agenisメソッドを使用すると、次のことができます。

library(purrr)
library(Zoo)

ps1 %>% 
  slice_rows("userID") %>% 
  by_slice(function(x) { 
    na.locf(na.locf(x), fromLast=T) }, 
    .collate = "rows")
3
Steven Beaupré

この関数を作成しましたが、fillよりも確実に高速であり、おそらくna.locfよりも高速です。

fill_NA <- function(x) {
  which.na <- c(which(!is.na(x)), length(x) + 1)
  values <- na.omit(x)

  if (which.na[1] != 1) {
    which.na <- c(1, which.na)
    values <- c(values[1], values)
  }

  diffs <- diff(which.na)
  return(rep(values, times = diffs))
}
0
Naja Bohanec