1

我有一个由三列组成的数据框（参见代码中的示例）。第一列包含类别 (a)，第二列包含观察次数 (b)，第三列包含这些观察的平均值 (c)。

    #create a test df
    a<-factor(c("aaa","aaa","aaa","ddd","eee","ddd","aaa","ddd"))
    b<-c(3,4,1,3,5,7,3,2)
    c<-c(1,2,NA,4,5,6,7,NA)
    df.abc<-data.frame(a=a,b=b,c=c)
    df.abc

如果观察数为 1 或 2，则将条目标记为缺失值 (NA)。

所以我的函数的目的是用每个类别的平均值替换这些缺失值。

我带了我一段时间，但我得到了一个函数，它将所有缺失值替换为一个类别（如果观察结果为 1）。它看起来像这样：

    #function to substitue the missing values in row c by their means 
    #according to their categories
    function.abc<-function(x){
        ifelse(
            (df.abc[,1]==x)&(df.abc[,2]==1),
            mean(df.abc$c[df.abc$a ==x],na.rm=TRUE),
            df.abc[,3]
        )
    }

测试这个功能：

    #test the function for the category "ccc"
    function.abc("aaa")

它工作得很好（但只是平均值而不是平均平均值）输出是：

[1] 1.000000 2.000000 3.333333 4.000000 5.000000 6.000000 7.000000 不适用

现在我的问题是，我有很多类别（n = 32），我试图将此函数应用于包含我的类别的向量。在这种情况下，一个简单的例子是：

    #test the function for a testvector
    test.vector<-c("aaa","ddd")
    function.abc(test.vector)

输出是：

[1] 1.0 2.0 4.5 4.0 5.0 6.0 7.0 不适用

所以显然这不会奏效......

有人可以帮我重新安排功能吗？我对编程很陌生，设计短而好的功能对我来说仍然是一个很大的挑战......

编辑：

我希望输出为： [1] 1.000000 2.000000 3.20000 4.000000 5.000000 6.000000 7.000000 5.000000

所以 aaa 组 (3.20000) 的平均值替换 aaa 中的 NA 值，ddd 组 (5.0000000) 的平均值替换 ddd 中的 NA ...

4

3 回答 3

1

为了在一个类别中一次处理多个列，您需要使用拆分数据框然后处理组件的东西。范式对此lapply( split(df, fac), function(x) {...})很有效。或者你可以使用transform或plyr包。

> lapply( split( df.abc, df.abc$a), 
               function(dfrm) { dfrm[is.na(dfrm$c), "c"] <- 
                  weighted.mean(dfrm[!is.na(dfrm$c) , "c"], dfrm[!is.na(dfrm$c), "b"])
                         dfrm} )  
                # need to evaluate dfrm in order to return the full value.
$aaa
    a b   c
1 aaa 3 1.0
2 aaa 4 2.0
3 aaa 1 3.2
7 aaa 3 7.0

$ddd
    a b   c
4 ddd 3 4.0
6 ddd 7 6.0
8 ddd 2 5.4

$eee
    a b c
5 eee 5 5

然后你可以rbind使用`do.call：

 do.call( rbind, lapply( split( df.abc, df.abc$a), 
          function(dfrm) { dfrm[is.na(dfrm$c), "c"] <-
                 weighted.mean(dfrm[!is.na(dfrm$c) , "c"], dfrm[!is.na(dfrm$c), "b"])
                   dfrm} ) )
        a b   c
aaa.1 aaa 3 1.0
aaa.2 aaa 4 2.0
aaa.3 aaa 1 3.2
aaa.7 aaa 3 7.0
ddd.4 ddd 3 4.0
ddd.6 ddd 7 6.0
ddd.8 ddd 2 5.4
eee   eee 5 5.0
于 2012-11-21T17:50:56.803 回答
0

我不太清楚你的意思，但如果你的意思是包括所有这样的行，你可以使用 %in%。

function.abc<-function(x){
  ifelse(
    (df.abc[,1] %in% x)&(df.abc[,2]==1),
    mean(df.abc$c[df.abc$a %in% x],na.rm=TRUE),
    df.abc[,3]
  )
}

> function.abc("aaa")
[1] 1.000000 2.000000 3.333333 4.000000 5.000000 6.000000 7.000000       NA

> test.vector<-c("aaa","ddd")
> function.abc(test.vector)
[1]  1  2  4  4  5  6  7 NA

最后一个元素是 NA，因为列 'b' 不是 1。

于 2012-11-21T17:17:49.327 回答
0

CatMeans <- tapply(df.abc$c, df.abc$a, function(x) mean(x, na.rm==T))将按类别为您提供信息。

     aaa      ddd      eee 
3.333333 5.000000 5.000000

所以为所有人做这件事：

> CatMeans <- tapply(df.abc$c, df.abc$a, function(x) mean(x, na.rm==T))
> ifelse(is.na(df.abc$c), CatMeans[df.abc$a], df.abc$c)
[1] 1.000000 2.000000 3.333333 4.000000 5.000000 6.000000 7.000000 5.000000

我敢肯定，你可以把它变成一个函数。如果你只想要"aaa"and "ddd"，那么你可以有ifelse(is.na(df.abc$c) & df.abc$a %in% c("aaa","ddd"),...

于 2012-11-21T17:22:24.557 回答