我想用同一列的平均值替换数据表列中存在的 NA。我正在做以下事情。但它不起作用。
ww <- data.table(iris)
ww <- ww[1:5 , ]
ww[1,1] <- NA
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1: NA 3.5 1.4 0.2 setosa
2: 4.9 3.0 1.4 0.2 setosa
3: 4.7 3.2 1.3 0.2 setosa
4: 4.6 3.1 1.5 0.2 setosa
5: 5.0 3.6 1.4 0.2 setosa
ww[is.na(Sepal.Length) , Sepal.Length:= mean(Sepal.Length, na.rm = T)]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1: NaN 3.5 1.4 0.2 setosa
2: 4.9 3.0 1.4 0.2 setosa
3: 4.7 3.2 1.3 0.2 setosa
4: 4.6 3.1 1.5 0.2 setosa
5: 5.0 3.6 1.4 0.2 setosa
为什么我用 NaN 代替 NA,而它本来应该是其余值(4.9、4.7、4.6、5.0)的平均值?
如果此语法出现问题,实现此目的的替代方案是什么?
我想要数据表的语法。
na.aggregate
将 NA 替换为同一列中非 NA 的平均值:
library(zoo)
ww[, Sepal.Length := na.aggregate(Sepal.Length)]
虽然
zoo
答案非常好,但它需要新的依赖项。data.table
您就可以执行以下操作。
library(data.table)
# prepare data
ww = data.table(iris[1:5,])
ww[1, Sepal.Length := NA]
# solution
ww[, Sepal.Length.mean := mean(Sepal.Length, na.rm = TRUE) # calculate mean
][is.na(Sepal.Length), Sepal.Length := Sepal.Length.mean # replace NA with mean
][, Sepal.Length.mean := NULL # remove mean col
][] # just prints
虽然与动物园相比,它可能看起来更大,但它的性能效率很高,因为所有步骤都是使用通过引用更新
:=
进行的。
只需使用 data.table 中的 by
参数,也可以轻松调整以按组替换 NA 。
您尝试首先对表进行子集化,选择
> ww[is.na(Sepal.Length)]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1:
NA 3.5 1.4 0.2 setosa
因此任何进一步的操作只能“看到”这些行 - 即
Sepal.Length
只能看到那一个 NA
。
您想要的
data.table
解决方案如下 - 它会查看整个表格,并将 NA
替换为使用 ifelse
的方法。
ww[, Sepal.Length := ifelse(is.na(Sepal.Length), mean(Sepal.Length, na.rm = TRUE), Sepal.Length)]
在基础 R 中:
ww$Sepal.Length[is.na(ww$Sepal.Length)] <- mean(ww$Sepal.Length, na.rm = T)
它不是取整个 Sepal.Length 列的平均值;仅您选择的 1 列。
而是使用:
ww[is.na(Sepal.Length) , Sepal.Length:= mean(ww$Sepal.Length, na.rm=TRUE)]
tidyr
有一个内置功能,replace_na
你可以使用这个:
library(tidyr)
ww %>% replace_na(list(Sepal.Length = mean(.$Sepal.Length, na.rm = TRUE)))
只需一行即可完成
fcoalesce
:
ww[, Sepal.Length := fcoalesce(Sepal.Length, mean(Sepal.Length, na.rm = TRUE))]
ww
#> Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> <num> <num> <num> <num> <fctr>
#> 1: 4.8 3.5 1.4 0.2 setosa
#> 2: 4.9 3.0 1.4 0.2 setosa
#> 3: 4.7 3.2 1.3 0.2 setosa
#> 4: 4.6 3.1 1.5 0.2 setosa
#> 5: 5.0 3.6 1.4 0.2 setosa