2

我正在尝试使用na_ma来自的功能library(imputeTS)；因为我通过用周围值的平均值替换它们来处理数据框中的缺失值。

数据示例：

i1<-c(5,4,3,4,5)
i2<-c(2,NA,4,5,3)
i3<-c(NA,4,4,4,5)
i4<-c(3,5,5,NA,2)
data<-as.data.frame(cbind(i1,i2,i3,i4))
data

我的代码

data %>%
    rowwise %>%
        na_ma(as.numeric(x), k = 1, weighting = "simple")

预期结果：

i1 i2 i3 i4
1  5  2 2.5  3
2  4  4  4  5
3  3  4  4  5
4  4  5  4 4.5
5  5  3  5  2

问题，我不知道如何应用na_ma(as.numeric(x), k = 1, weighting = "simple")到这个数据框的每一行。

谢谢！

4

2 回答 2

2

如果您想使用它tidyverse来执行此操作，您可以使用pmap_df.

library(dplyr)
library(purrr)

data %>%
  pmap_df(~imputeTS::na_ma(c(...), k = 1, weighting = "simple"))

#     i1    i2    i3    i4
#  <dbl> <dbl> <dbl> <dbl>
#1     5     2   2.5   3  
#2     4     4   4     5  
#3     3     4   4     5  
#4     4     5   4     4.5
#5     5     3   5     2

这也可以在基础 R 中完成 -

data[] <- t(apply(data, 1, imputeTS::na_ma, k = 1, weighting = "simple"))
于 2021-09-30T02:32:32.720 回答
0

你真的确定要这样做吗？通常我们用列的平均值来估算列。

cm <- colMeans(dat, na.rm=TRUE)
dat <- Map(\(x, y) ifelse(is.na(x), y, x), data, cm) |>
  as.data.frame()
dat
#   i1  i2   i3   i4
# 1  5 2.0 4.25 3.00
# 2  4 3.5 4.00 5.00
# 3  3 4.0 4.00 5.00
# 4  4 5.0 4.00 3.75
# 5  5 3.0 5.00 2.00

实际上，最好使用更复杂的插补技术，例如多重插补。这里一读。

数据

dat <- structure(list(i1 = c(5, 4, 3, 4, 5), i2 = c(2, NA, 4, 5, 3), 
    i3 = c(NA, 4, 4, 4, 5), i4 = c(3, 5, 5, NA, 2)), class = "data.frame", row.names = c(NA, 
-5L))
于 2021-09-30T03:18:20.810 回答