3

我正在使用aregImpute来估算 R 数据帧（bn_df）上的缺失值。

代码是这样的：

library(Hmisc)
impute_arg <- aregImpute(~ TI_Perc + AS_Perc + 
                         CD_Perc + CA_Perc + FP_Perc, 
                         data = bn_df, n.impute = 5)

它工作正常。

问题在后面。将值放回原始数据框中。

我可以做到，只是不是以一种非常优雅的方式。我基本上必须为所有列复制/粘贴以下行：

bn_df$CD_Perc[impute_arg$na$CD_Perc] <- impute_arg$imputed$CD_Perc[,1]
bn_df$FP_Perc[impute_arg$na$FP_Perc] <- impute_arg$imputed$FP_Perc[,1]
...

这行得通。但是必须有一种更有效的方法来完成此操作，而无需对所有列进行复制/粘贴。

有任何想法吗？

4

1 回答 1

8

你可以使用函数impute.transcan。由于您没有提供数据，我从aregImpute的文档中复制了一个示例。

# The data
x1 <- factor(sample(c('a','b','c'),1000,TRUE))
x2 <- (x1=='b') + 3*(x1=='c') + rnorm(1000,0,2)
x3 <- rnorm(1000)
y  <- x2 + 1*(x1=='c') + .2*x3 + rnorm(1000,0,2)
orig.x1 <- x1[1:250]
orig.x2 <- x2[251:350]

# Insert NAs
x1[1:250] <- NA
x2[251:350] <- NA

# Create a data frame 
d <- data.frame(x1,x2,x3,y)
# Find value of nk that yields best validating imputation models
# tlinear=FALSE means to not force the target variable to be linear

# Use imputation 
f <- aregImpute(~y + x1 + x2 + x3, nk=c(0,3:5), tlinear=FALSE,
                data=d, B=10) # normally B=75

# Get the imputed values
imputed <-impute.transcan(f, data=d, imputation=1, list.out=TRUE, pr=FALSE, check=FALSE)

# convert the list to the database
imputed.data <- as.data.frame(do.call(cbind,imputed))

# arrange the columns accordingly
imputed.data <- imputed.data[, colnames(d), drop = FALSE]
于 2017-02-03T00:26:58.357 回答