我想用同一列的平均值替换DATA TABLE中列中存在的NAs。我正在做以下事情。
ww <- data.table(iris)
ww <- ww[1:5 , ]
ww[1,1] <- NA
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1: NA 3.5 1.4 0.2 setosa
2: 4.9 3.0 1.4 0.2 setosa
3: 4.7 3.2 1.3 0.2 setosa
4: 4.6 3.1 1.5 0.2 setosa
5: 5.0 3.6 1.4 0.2 setosa
ww[is.na(Sepal.Length) , Sepal.Length:= mean(Sepal.Length, na.rm = T)]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1: NaN 3.5 1.4 0.2 setosa
2: 4.9 3.0 1.4 0.2 setosa
3: 4.7 3.2 1.3 0.2 setosa
4: 4.6 3.1 1.5 0.2 setosa
5: 5.0 3.6 1.4 0.2 setosa
为什么我得到NaN而不是NA,而它应该是其余值(4.9,4.7,4.6,5.0)的平均值?
如果这个语法有问题,实现这个的替代方法是什么?
我想知道数据表的语法
zoo包中的na.aggregate
用同一列中非NAs的平均值替换NAs:
library(zoo)
ww[, Sepal.Length := na.aggregate(Sepal.Length)]
虽然zoo
的答案很好,但它需要新的依赖项。
仅使用data.table
,您可以执行以下操作:
library(data.table)
# prepare data
ww = data.table(iris[1:5,])
ww[1, Sepal.Length := NA]
# solution
ww[, Sepal.Length.mean := mean(Sepal.Length, na.rm = TRUE) # calculate mean
][is.na(Sepal.Length), Sepal.Length := Sepal.Length.mean # replace NA with mean
][, Sepal.Length.mean := NULL # remove mean col
][] # just prints
虽然它可能看起来比动物园的大,但它的性能效率很高,因为所有步骤都是使用通过引用 :=
进行更新的。它也可以很容易地将NA替换为mean by group,只需在data.table中使用by
参数。
您的尝试首先对表进行子集设置,选择
> ww[is.na(Sepal.Length)]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1:
NA 3.5 1.4 0.2 setosa
因此任何进一步的操作只能'看到'这些行-即Sepal.Length
只能看到NA
。
您想要的data.table
解决方案如下-它查看整个表,并用使用ifelse
的方法替换NA
。
ww[, Sepal.Length := ifelse(is.na(Sepal.Length), mean(Sepal.Length, na.rm = TRUE), Sepal.Length)]
In base R:
ww$Sepal.Length[is.na(ww$Sepal.Length)] <- mean(ww$Sepal.Length, na.rm = T)
它不是取整个萼片的平均值。长度列;只有您选择的1列。
,而使用:
ww[is.na(Sepal.Length) , Sepal.Length:= mean(ww$Sepal.Length, na.rm=TRUE)]
tidyr
有一个内置的功能,replace_na
可以用于此:
library(tidyr)
ww %>% replace_na(list(Sepal.Length = mean(.$Sepal.Length, na.rm = TRUE)))