AskOverflow.Dev

AskOverflow.Dev Logo AskOverflow.Dev Logo

AskOverflow.Dev Navigation

  • 主页
  • 系统&网络
  • Ubuntu
  • Unix
  • DBA
  • Computer
  • Coding
  • LangChain

Mobile menu

Close
  • 主页
  • 系统&网络
    • 最新
    • 热门
    • 标签
  • Ubuntu
    • 最新
    • 热门
    • 标签
  • Unix
    • 最新
    • 标签
  • DBA
    • 最新
    • 标签
  • Computer
    • 最新
    • 标签
  • Coding
    • 最新
    • 标签
主页 / coding / 问题 / 79030831
Accepted
mto23
mto23
Asked: 2024-09-27 18:00:42 +0800 CST2024-09-27 18:00:42 +0800 CST 2024-09-27 18:00:42 +0800 CST

在一组相似的值中替换 NA

  • 772

我的数据集中有一列如下所示:

cluster_id
1
1
1
1
NA
1
NA
NA
2
NA
2
NA
3
NA
NA
3


cluster_id <- c("1","1","1","1","NA","1","NA","NA","2","NA","2","NA","3","NA","NA","3")

在使用时间列之前,顺序已经预先定义好了。我想要的是替换每个集群 ID 内的 NA,即,如果有一行是 2,然后是 NA,然后又是 2,我希望那个 NA 变成 2。数字之间的 NA 保持为 NA。示例:

cluster_id   cluster_id_new
1            1
1            1
1            1
1            1
NA           1
1            1
NA           NA
NA           NA
2            2
NA           2
2            2
NA           NA
3            3
NA           3
NA           3
3            3 

我在这篇文章zoo::na.locf中找到了该函数,它似乎接近我想要的,但我还需要考虑NA之后的值。有什么想法吗?

  • 5 5 个回答
  • 104 Views

5 个回答

  • Voted
  1. Best Answer
    TarJae
    2024-09-27T19:25:18+08:002024-09-27T19:25:18+08:00

    更新:感谢@Darren Tsai(提供了更好的版本):

    library(dplyr)
    library(tidyr)
    
    tibble(cluster_id) %>% 
      mutate(down = cluster_id, up = cluster_id) %>% 
      fill(down, .direction = "down") %>% 
      fill(up, .direction = "up") %>% 
      mutate(cluster_id_new = if_else(down == up, down, NA)) %>% 
      select(-c(down, up))
    

    tidyverse原答案:主要使用方式如下fill:

    library(dplyr)
    library(tidyr)
    
    tibble(cluster_id) %>%
      mutate(helper = row_number(),
             filldown = fill(., cluster_id, .direction = "down")$cluster_id,
             fillup = fill(., cluster_id, .direction = "up")$cluster_id,
             cluster_id_new = ifelse(filldown == fillup, filldown, NA_real_)) %>%
      select(cluster_id, cluster_id_new)
    
    cluster_id cluster_id_new
            <dbl>          <dbl>
     1          1              1
     2          1              1
     3          1              1
     4          1              1
     5         NA              1
     6          1              1
     7         NA             NA
     8         NA             NA
     9          2              2
    10         NA              2
    11          2              2
    12         NA             NA
    13          3              3
    14         NA              3
    15         NA              3
    16          3              3
    
    • 6
  2. jblood94
    2024-09-27T19:28:12+08:002024-09-27T19:28:12+08:00

    该collapse包中有 和na_locf。na_focb您可以对每个包进行检查,然后检查是否存在差异。

    如果您的 NA 值存储为字符而不是NA_character_,则您首先需要转换为NA_character_。

    解决方案还取决于您想如何处理前导/尾随的“NA”。第一个选项保留它们。

    cluster_id <- c("NA","1","1","1","NA","1","NA","NA","2","NA","2","NA","3","NA","NA","3","NA")
    
    library(collapse)
    
    i <- which(cluster_id == "NA")
    cluster_id[i] <- NA
    cluster_id_filled <- na_locf(cluster_id)
    cluster_id_filled[-which(cluster_id_filled == na_focb(cluster_id))] <- "NA"
    cluster_id[i] <- "NA" # restore the original vector
    cluster_id_filled
    #>  [1] "NA" "1"  "1"  "1"  "1"  "1"  "NA" "NA" "2"  "2"  "2"  "NA" "3"  "3"  "3"  "3"  "NA"
    

    第二种解决方案使用单循环for并填充前导/尾随的“NA”。

    cluster_id_filled <- cluster_id
    j <- 0
    for (i in seq_along(cluster_id)) {
      if (cluster_id[i] == "NA") {
        j <- j + 1
      } else if (j != 0) {
        # use `!isFALSE` to handle leading "NA"s
        if (!isFALSE(cluster_id[i] == cluster_id[i - j - 1])) {
          cluster_id_filled[(i - j):(i - 1)] <- cluster_id[i]
        }
        j <- 0
      }
    }
    # handle trailing "NA"s
    if (j != 0) cluster_id_filled[(i - j + 1):i] <- cluster_id_filled[i - j]
    cluster_id_filled
    #>  [1] "1"  "1"  "1"  "1"  "1"  "1"  "NA" "NA" "2"  "2"  "2"  "NA" "3"  "3"  "3"  "3"  "3"
    

    如果您的 NA 值实际上是NA,那就容易一些了。

    cluster_id <- c(NA, 1, 1, 1, 1, NA, 1, NA, NA, 2, NA, 2, NA, 3, NA, NA, 3, NA)
    cluster_id_filled <- na_locf(cluster_id)
    cluster_id_filled[-which(cluster_id_filled == na_focb(cluster_id))] <- NA
    cluster_id_filled
    #>  [1] NA  1  1  1  1  1  1 NA NA  2  2  2 NA  3  3  3  3 NA
    
    • 6
  3. ThomasIsCoding
    2024-09-27T21:17:25+08:002024-09-27T21:17:25+08:00

    rle这是一个带有+ 的基本 R 选项cumsum

    cluster_id_new <- with(
        rle(cluster_id),
        {
            idx <- values != "NA"
            grp <- cumsum(c(TRUE, head(values[idx], -1) != tail(values[idx], -1)))
            rep(ave(values,
                cummax(replace(idx, which(idx), grp)),
                FUN = \(x) {
                    u <- unique(x[x != "NA"])
                    if (tail(x, 1) == "NA") {
                        c(rep(u, length(x) - 1), "NA")
                    } else {
                        u
                    }
                }
            ), lengths)
        }
    )
    

    使得

    > data.frame(cluster_id, cluster_id_new)
       cluster_id cluster_id_new
    1           1              1
    2           1              1
    3           1              1
    4           1              1
    5          NA              1
    6           1              1
    7          NA             NA
    8          NA             NA
    9           2              2
    10         NA              2
    11          2              2
    12         NA             NA
    13          3              3
    14         NA              3
    15         NA              3
    16          3              3
    
    • 6
  4. G. Grothendieck
    2024-09-27T20:46:32+08:002024-09-27T20:46:32+08:00

    1)na.approx假设集群 ID 是整数,并且它们似乎以 1 为增量,因此执行线性插值并测试结果是否为整数就足以确定结果是否应该是 NA。

    library(zoo)
    
    x <- cluster_id
    a <- na.approx(as.numeric(ifelse(x == "NA", NA, x)), na.rm = FALSE)
    data.frame(cluster_id,
               cluster_id_new = ifelse(a == as.integer(a), a, NA)
    )
    

    给予:

       cluster_id cluster_id_new
    1           1              1
    2           1              1
    3           1              1
    4           1              1
    5        <NA>              1
    6           1              1
    7        <NA>             NA
    8        <NA>             NA
    9           2              2
    10       <NA>              2
    11          2              2
    12       <NA>             NA
    13          3              3
    14       <NA>              3
    15       <NA>              3
    16          3              3
    

    2) na.locf0如果 NA 的前向和后向 na.locf0 相同,则应将其替换。这更通用,因为它直接与字符值一起工作,并且不假设 id 增加 1。

    library(zoo)
    
    a <- na.locf0(cluster_id)
    data.frame(cluster_id,
      cluster_id_new = ifelse(a == na.locf0(cluster_id, fromLast = TRUE), a, NA)
    )
    

    笔记

    cluster_id <- c("1", "1", "1", "1", NA, "1", NA, NA, "2", NA, "2", NA, "3", NA, NA, "3")
    
    • 5
  5. jared_mamrot
    2024-09-27T18:50:01+08:002024-09-27T18:50:01+08:00

    我无法想到使用现有函数来满足您的标准的“聪明”解决方案;for 循环方法可行吗?

    cluster_id <- c("1","1","1","1","NA","1","NA","NA","2","NA","2","NA","3","NA","NA","3")
    for (i in seq_along(cluster_id[-1])) {
      if(cluster_id[i + 1] == "NA") {
        for(j in (i + 1):length(cluster_id)) {
          if(cluster_id[i] == cluster_id[j]) {
            cluster_id[i + 1] <- cluster_id[j]
          }
        }
      }
    }
    cluster_id
    #>  [1] "1"  "1"  "1"  "1"  "1"  "1"  "NA" "NA" "2"  "2"  "2"  "NA" "3"  "3"  "3" 
    #> [16] "3"
    

    创建于 2024-09-27,使用reprex v2.1.0

    • 4

相关问题

  • 将复制活动的序列号添加到 Blob

  • Packer 动态源重复工件

  • 选择每组连续 1 的行

  • 图形 API 调用列表 subscribedSkus 状态权限不足,但已授予权限

  • 根据列值创建单独的 DF 的函数

Sidebar

Stats

  • 问题 205573
  • 回答 270741
  • 最佳答案 135370
  • 用户 68524
  • 热门
  • 回答
  • Marko Smith

    Vue 3:创建时出错“预期标识符但发现‘导入’”[重复]

    • 1 个回答
  • Marko Smith

    为什么这个简单而小的 Java 代码在所有 Graal JVM 上的运行速度都快 30 倍,但在任何 Oracle JVM 上却不行?

    • 1 个回答
  • Marko Smith

    具有指定基础类型但没有枚举器的“枚举类”的用途是什么?

    • 1 个回答
  • Marko Smith

    如何修复未手动导入的模块的 MODULE_NOT_FOUND 错误?

    • 6 个回答
  • Marko Smith

    `(表达式,左值) = 右值` 在 C 或 C++ 中是有效的赋值吗?为什么有些编译器会接受/拒绝它?

    • 3 个回答
  • Marko Smith

    何时应使用 std::inplace_vector 而不是 std::vector?

    • 3 个回答
  • Marko Smith

    在 C++ 中,一个不执行任何操作的空程序需要 204KB 的堆,但在 C 中则不需要

    • 1 个回答
  • Marko Smith

    PowerBI 目前与 BigQuery 不兼容:Simba 驱动程序与 Windows 更新有关

    • 2 个回答
  • Marko Smith

    AdMob:MobileAds.initialize() - 对于某些设备,“java.lang.Integer 无法转换为 java.lang.String”

    • 1 个回答
  • Marko Smith

    我正在尝试仅使用海龟随机和数学模块来制作吃豆人游戏

    • 1 个回答
  • Martin Hope
    Aleksandr Dubinsky 为什么 InetAddress 上的 switch 模式匹配会失败,并出现“未涵盖所有可能的输入值”? 2024-12-23 06:56:21 +0800 CST
  • Martin Hope
    Phillip Borge 为什么这个简单而小的 Java 代码在所有 Graal JVM 上的运行速度都快 30 倍,但在任何 Oracle JVM 上却不行? 2024-12-12 20:46:46 +0800 CST
  • Martin Hope
    Oodini 具有指定基础类型但没有枚举器的“枚举类”的用途是什么? 2024-12-12 06:27:11 +0800 CST
  • Martin Hope
    sleeptightAnsiC `(表达式,左值) = 右值` 在 C 或 C++ 中是有效的赋值吗?为什么有些编译器会接受/拒绝它? 2024-11-09 07:18:53 +0800 CST
  • Martin Hope
    The Mad Gamer 何时应使用 std::inplace_vector 而不是 std::vector? 2024-10-29 23:01:00 +0800 CST
  • Martin Hope
    Chad Feller 在 5.2 版中,bash 条件语句中的 [[ .. ]] 中的分号现在是可选的吗? 2024-10-21 05:50:33 +0800 CST
  • Martin Hope
    Wrench 为什么双破折号 (--) 会导致此 MariaDB 子句评估为 true? 2024-05-05 13:37:20 +0800 CST
  • Martin Hope
    Waket Zheng 为什么 `dict(id=1, **{'id': 2})` 有时会引发 `KeyError: 'id'` 而不是 TypeError? 2024-05-04 14:19:19 +0800 CST
  • Martin Hope
    user924 AdMob:MobileAds.initialize() - 对于某些设备,“java.lang.Integer 无法转换为 java.lang.String” 2024-03-20 03:12:31 +0800 CST
  • Martin Hope
    MarkB 为什么 GCC 生成有条件执行 SIMD 实现的代码? 2024-02-17 06:17:14 +0800 CST

热门标签

python javascript c++ c# java typescript sql reactjs html

Explore

  • 主页
  • 问题
    • 最新
    • 热门
  • 标签
  • 帮助

Footer

AskOverflow.Dev

关于我们

  • 关于我们
  • 联系我们

Legal Stuff

  • Privacy Policy

Language

  • Pt
  • Server
  • Unix

© 2023 AskOverflow.DEV All Rights Reserve