0

我有一个数据框，它合并了足球赛季的球员和球队数据所以对于特定赛季的特定球员，我有类似的数据

df <- data.frame(team=c(NA,"CRP",NA,"CRP","CRP",NA),
             player=c(NA,"Ed",NA,"Ed","Ed",NA),
             playerGame= c(NA,1,NA,2,3,NA),
             teamGame =c(1,2,3,4,5,6))

NA 表明该球员没有出现在该特定团队比赛中

我如何最有效地分别用“CRP”和“Ed”替换团队和球员的NA，并在这种情况下获得0、1、1、2、3、3的plGame输出

编辑

抱歉，我在半夜醒来时写了这篇文章，可能过于简化了我的问题。似乎只有一个人意识到这是一组更大数据的一个子集，即使他/她也没有遵循这一事实，尽管直接硬代码替换球员和球队是不够的 感谢您的回复。Dsee 对 zoo 包中的 na.locf 的提示和 AK 答案的第一行似乎提供了最好的前进方式

df$playerGame[df$teamGame == min(df$teamGame) & is.na(df$playerGame) == TRUE] <- 0
na.locf(df$playerGame)

这涵盖了启动序列的多个 NA 的可能性。在我的情况下， min(df$teamGame) 将始终为 1，因此硬编码可能会加快速度

一个更现实的例子是here

library(zoo)
library(plyr)

newdf <- data.frame(team=c("CRP","CRP","CRP","CRP","CRP","CRP","TOT","TOT","TOT"),
             player=c(NA,"Ed",NA,"Bill","Bill",NA,NA,NA,"Tom"),
             playerGame= c(NA,1,NA,1,2,NA,NA,NA,1),
             teamGame =c(1,2,3,1,2,3,1,2,3))

我现在可以为每一行显示球队每支球队在一个赛季中打三场比赛。Ed 和 Bill，为 CRP 效力，分别出现在第 2 场和第 1,2 场比赛中。汤姆只在第 3 场比赛中为 TOT 效力。假设玩家名称是唯一的（即使在现实世界的数据中）

在我看来，我需要创建另一列“playerTeam”

newdf$playerTeam <- 0

for (i in 1:nrow(newdf)) {
newdf$playerTeam[i] <-ceiling(i/3)
}

然后我可以使用这个值来填补玩家的空白。我使用了省略 NA 的排序函数

newdf <- ddply(newdf,.(playerTeam),transform,player=sort(player)[1])

然后我可以使用上述代码

newdf$playerGame[newdf$teamGame == 1 & is.na(newdf$playerGame) == TRUE] <- 0
newdf$playerGame <- na.locf(newdf$playerGame)

   team player playerGame teamGame playerTeam
1  CRP     Ed          0        1          1
2  CRP     Ed          1        2          1
3  CRP     Ed          1        3          1
4  CRP   Bill          1        1          2
5  CRP   Bill          2        2          2
6  CRP   Bill          2        3          2
7  TOT    Tom          0        1          3
8  TOT    Tom          0        2          3
9  TOT    Tom          1        3          3

我也需要在赛季中建造，但这应该不是问题

我在这里错过了什么吗？

我有几十万行要处理，所以任何加速都会有所帮助。例如，我可能想避免 ddply 并使用 data.table 方法或其他应用函数，对

4

3 回答 3

2

您想要的似乎有两个部分：

  1. 您想用预先确定的值替换球员姓名和球队
  2. 您希望通过 playerGame 列表结转游戏计数

对于 (1)，您可以执行以下操作：

df$team[is.na(df$team)] <- 'CRP'

同样，您可以更改数据框的其他组件

对于 (2) 你可以这样做：

if(is.na(df$playerGame[1])) {
    df$playerGame[1] <- 0
}
for(i in 2:length(df$playerGame)) { 
    if(is.na(x[i])) {
        df$playerGame[i] <- df$playerGame[i-1]
    }
}

然后df$playerGame是：

[1] 0 1 1 2 3 3

也许有一种非常漂亮的方法可以做到这一点，但这显然是可读的......

于 2012-11-22T16:58:09.173 回答
1

选择 NA，例如player，使用

  df$player[is.na(df$player)]

然后为这些用途分配一个值

  df$player[is.na(df$player)]  <- "Ed"

如果您只想为整个播放器列分配相同的名称，则无需选择任何值：

  df$player[]  <-  "Ed"   # you can omit the brackets [], which are shown just for emphasis

然后你可以为df$team

附带说明一下，当您创建数据框时，如果您计划添加其他值而不是已经存在的值，您可能需要添加stringsAsFactors=FALSE

 data.frame( . , stringsAsFactors=FALSE)
于 2012-11-22T14:40:46.720 回答
1

替换团队和球员的 NA：

df$team[is.na(df$team)] <- "CRP"
df$player[is.na(df$player)] <- "Ed"

可能有一种更有效的方法来获取相邻值，但是可行。

如果第一个或/和最后一个值为 NA，如您的示例所示，我必须使用另外两行：

df$playerGame[df$teamGame == min(df$teamGame) & is.na(df$playerGame) == TRUE] <- 0
df$playerGame[df$teamGame == max(df$teamGame) & is.na(df$playerGame) == TRUE] <- max(df$playerGame, na.rm = TRUE)

对于所有其他观察，这将获得相邻值：

df$playerGame[is.na(df$playerGame) == TRUE] <- df$playerGame[-1]

df

team player playerGame teamGame
CRP     Ed          0        1
CRP     Ed          1        2
CRP     Ed          1        3
CRP     Ed          2        4
CRP     Ed          3        5
CRP     Ed          3        6

对于多个团队和/或玩家，我建议将其与 ddply (plyr) 结合使用。

于 2012-11-22T15:48:35.963 回答