用R中的子集均值替换NA值

Question

head(df)
county state_abr population unemp health_ins poverty SNAP no_comp no_internet home_broad broad_num broad_avail broad_cost price_bbn
1 Autauga        AL      55869   2.7        7.1    15.4 12.7    NA        20.9       78.9         0         0.0   67.32586     35.00
2 Baldwin        AL     223234   2.7       10.2    10.6  7.5    NA        21.3       78.1         0         0.0   67.32586     35.00
3 Barbour        AL      24686   3.8       11.2    28.9 27.4    NA        38.9       60.4         4        99.2   74.99000     35.00
4    Bibb        AL      22394   3.1        7.9    14.0 12.4    23.7        33.8       66.1         0         0.0   67.32586     35.00
5  Blount        AL      57826   2.7       11.0    NA   9.5    21.3        NA       68.5         0         0.0   67.32586     35.00
6 Bullock        AL      10101   3.6       10.8    31.4 25.9    27.1        40.1       58.9         1        40.1   57.99000     71.95
Sublette        WY       9831   4.4       13.4     8.4  2.2     5.4        17.5       81.7         3        19.5      59.65 Sweetwater        WY      42343   3.9       12.0    12.0  5.8     7.7        16.1       82.4         5        95.1      63.30
Teton        WY      23464   2.7       10.0     7.1  2.1     4.2        13.6       85.9         6        96.0      69.99
Uinta        WY      20226   3.9       12.2    12.5  7.1     6.1        11.5       88.2         5        73.9      63.30
Washakie        WY       7805   3.9       15.4    12.4  4.9    12.1        21.5       78.3         5        86.1      64.36
Weston        WY       6927   2.9       13.3    17.4  4.7    13.8        26.1       73.3         2        52.0      66.67

我在R中有这个数据帧，我想用数值替换NA值。简单的方法是获得列的平均值，并将其替换为NA，但我希望更精确。

因为我的数据帧被划分为状态，在这种情况下，我只使用WY和AL的子集，我想计算该状态的平均值，并将其相应地应用于NA值。

因此，例如，第1行的no_comp有一个"NA"，带有state_abr AL。如果我取no_comp的平均值，它也会包括WY的平均值。这是我不想要的。我只想计算具有state_abr"AL"的no_comp的平均值，并将其应用于相应的NA值。

Answer 1

我们可以按"state_abr"分组，用across循环mutate中的数字列，并使用zoo中的na.aggregate用mean值替换NA。默认情况下，na.aggregate使用FUN = mean

library(zoo)
library(dplyr)
df1 <- df1 %>%
group_by(state_abr) %>%
mutate(across(where(is.numeric), na.aggregate)) %>%
ungroup

---

或者如果我们不想使用额外的包装

df1 <- df1 %>%
group_by(state_abr) %>%
mutate(across(where(is.numeric), ~ replace(.x, is.na(.x), 
mean(.x, na.rm = TRUE))))

Answer 2

或者你可以使用这个基本的R一行：

df[which(is.na(df$no_comp) == TRUE),]$no_comp <- ave(df$no_comp,df$state_abr, FUN = function(x) mean(x,na.rm = TRUE))[which(is.na(df$no_comp) == TRUE)]
#Data:
county <-c("Autauga","Baldwin","Barbour","Bibb","Blount","Bullock","Sublette","Teton","Uinta","Washakie","Weston")
state_abr <- c(rep("AL",6),rep("WY",5))
population <- c(55869,223234,24686,22394,57826,10101,9831,23464,20226,7805,6927)
unemp <-  c(2.7,2.7,3.8,3.1,2.7,3.6,4.4,2.7,3.9,3.9,2.9)
no_comp <- c(NA,NA,NA,23.7,21.3,27.1,5.4,4.2,6.1,12.1,13.8)
df <- data.frame(county,state_abr,population,unemp,no_comp)