J'ai une trame de données qui est organisée par ordre décroissant de date.
ps1 = data.frame(userID = c(21,21,21,22,22,22,23,23,23),
color = c(NA,'blue','red','blue',NA,NA,'red',NA,'gold'),
age = c('3yrs','2yrs',NA,NA,'3yrs',NA,NA,'4yrs',NA),
gender = c('F',NA,'M',NA,NA,'F','F',NA,'F')
)
Je souhaite imputer (remplacer) les valeurs NA par les valeurs précédentes et regroupées par userID. Dans le cas où la première ligne d'un userID a NA, remplacer par l'ensemble de valeurs suivant pour ce groupe userid.
J'essaie d'utiliser des paquets dplyr et Zoo quelque chose comme ça ... mais ça ne fonctionne pas
cleanedFUG <- filteredUserGroup %>%
group_by(UserID) %>%
mutate(Age1 = na.locf(Age),
Color1 = na.locf(Color),
Gender1 = na.locf(Gender) )
J'ai besoin d'un résultat df comme ceci:
userID color age gender
1 21 blue 3yrs F
2 21 blue 2yrs F
3 21 red 2yrs M
4 22 blue 3yrs F
5 22 blue 3yrs F
6 22 blue 3yrs F
7 23 red 4yrs F
8 23 red 4yrs F
9 23 gold 4yrs F
require(tidyverse) #fill is part of tidyr
ps1 %>%
group_by(userID) %>%
fill(color, age, gender) %>% #default direction down
fill(color, age, gender, .direction = "up")
Ce qui vous donne:
Source: local data frame [9 x 4]
Groups: userID [3]
userID color age gender
<dbl> <fctr> <fctr> <fctr>
1 21 blue 3yrs F
2 21 blue 2yrs F
3 21 red 2yrs M
4 22 blue 3yrs F
5 22 blue 3yrs F
6 22 blue 3yrs F
7 23 red 4yrs F
8 23 red 4yrs F
9 23 gold 4yrs F
En utilisant Zoo::na.locf
directement sur l'ensemble de data.frame remplirait l'AN indépendamment des groupes userID
. Le regroupement du paquet dplyr n'a malheureusement aucun effet sur na.locf
fonction, c'est pourquoi j'ai opté pour un split:
library(dplyr); library(Zoo)
ps1 %>% split(ps1$userID) %>%
lapply(function(x) {na.locf(na.locf(x), fromLast=T)}) %>%
do.call(rbind, .)
#### userID color age gender
#### 21.1 21 blue 3yrs F
#### 21.2 21 blue 2yrs F
#### 21.3 21 red 2yrs M
#### 22.4 22 blue 3yrs F
#### 22.5 22 blue 3yrs F
#### 22.6 22 blue 3yrs F
#### 23.7 23 red 4yrs F
#### 23.8 23 red 4yrs F
#### 23.9 23 gold 4yrs F
Ce qu'il fait, c'est qu'il divise d'abord les données en 3 data.frames, puis j'applique un premier passage d'imputation (vers le bas), puis vers le haut avec la fonction anonyme dans lapply
, et finalement j'utilise rbind
pour rassembler les data.frames. Vous avez la sortie attendue.
En utilisant la méthode @agenis avec na.locf()
combinée avec purrr
, vous pouvez faire:
library(purrr)
library(Zoo)
ps1 %>%
slice_rows("userID") %>%
by_slice(function(x) {
na.locf(na.locf(x), fromLast=T) },
.collate = "rows")
J'ai écrit cette fonction et elle est définitivement plus rapide que fill et probablement plus rapide que na.locf:
fill_NA <- function(x) {
which.na <- c(which(!is.na(x)), length(x) + 1)
values <- na.omit(x)
if (which.na[1] != 1) {
which.na <- c(1, which.na)
values <- c(values[1], values)
}
diffs <- diff(which.na)
return(rep(values, times = diffs))
}