valori Come riempire AN con LOCF da fattori di frame di dati, suddivisi per paese

Question

Ho il seguente frame di dati (semplificato) con la variabile paese come un fattore e la variabile valore è mancante:

country value 
AUT  NA 
AUT  5 
AUT  NA 
AUT  NA 
GER  NA 
GER  NA 
GER  7 
GER  NA 
GER  NA 

I seguente genera il frame di dati di cui sopra:

data <- data.frame(country=c("AUT", "AUT", "AUT", "AUT", "GER", "GER", "GER", "GER", "GER"), value=c(NA, 5, NA, NA, NA, NA, 7, NA, NA)) 

Ora, vorrei sostituire i valori NA in ciascun sottoinsieme paese con il metodo dell'ultima osservazione effettuata (LOCF). Conosco il comando na.locf nel pacchetto zoo. data <- na.locf(data) mi darebbe la seguente struttura dei dati:

country value 
AUT  NA 
AUT  5 
AUT  5 
AUT  5 
GER  5 
GER  5 
GER  7 
GER  7 
GER  7 

Tuttavia, la funzione deve essere utilizzata solo sui singoli sottogruppi suddivisi per paese. Quello che segue è l'output che mi servirebbe:

country value 
AUT  NA 
AUT  5 
AUT  5 
AUT  5 
GER  NA 
GER  NA 
GER  7 
GER  7 
GER  7 

Non riesco a pensare a un modo semplice per implementarlo. Prima di iniziare con for-loops, mi chiedevo se qualcuno avesse qualche idea su come risolvere questo problema.

Molte grazie !!

Answer 1

Ecco una soluzione ddply. Prova questo

library(plyr) 
ddply(DF, .(country), na.locf) 
    country value 
1  AUT <NA> 
2  AUT  5 
3  AUT  5 
4  AUT  5 
5  GER <NA> 
6  GER <NA> 
7  GER  7 
8  GER  7 
9  GER  7 

Modifica Da ddply aiuto si può trovare che

.variables: variables to split data frame by, 
as quoted variables, a formula or character vector. 

tanto altro alternative per ottenere quello che vuoi sono:

ddply(DF, "country", na.locf) 
ddply(DF, ~country, na.locf) 

nota che la sostituzione .variables con DF$variable non è permesso, ecco perché hai ricevuto un errore quando facevi questo.

DF è il vostro data.frame

Answer 2

Spalato il data.frame con by e utilizzare na.locf sui sottoinsiemi:

do.call(rbind,by(data,data$country,na.locf)) 

Se si desidera rimuovere i nomi di riga:

do.call(rbind,unname(by(data,data$country,na.locf))) 

Answer 3

Se la velocità è una considerazione, allora questa soluzione unstack/stack è di circa 4 a 6 volte più veloce rispetto agli altri sul mio sistema anche se non comporta una linea leggermente più lunga di codice:

stack(lapply(unstack(data, value ~ country), na.locf, na.rm = FALSE)) 

Answer 4

È sufficiente dividere per paese, quindi fare un zoo::na.locf() o na.fill, compilando a destra. Ecco un esempio che mostra esplicitamente la sintassi arg di tre componenti di na.Fill:

library(plyr) 
library(zoo) 

data <- data.frame(country=c("AUT", "AUT", "AUT", "AUT", "GER", "GER", "GER", "GER", "GER"), value=c(NA, 5, NA, NA, NA, NA, 7, NA, NA)) 

# The following is equivalent to na.locf 
na.fill.right <- function(...) { na.fill(..., list(left=NA,interior=NA,right="extend")) } 

ddply(data, .(country), na.fill.right) 

    country value 
1  AUT <NA> 
2  AUT  5 
3  AUT  5 
4  AUT  5 
5  GER <NA> 
6  GER <NA> 
7  GER  7 
8  GER  7 
9  GER  7 

Answer 5

Una versione moderna della soluzione ddply è quello di utilizzare il pacchetto dplyr:

library(dplyr) 
DF %>% 
    group_by(county) %>% 
    mutate(value = na.locf(value, na.rm = F))  

Answer 6

Il modo tidyverse, anche se non utilizzando LOCF, è:

library(tidyverse) 

data %>% 
    group_by(country) %>% 
    fill(value) 

Source: local data frame [9 x 2] 
Groups: country [2] 

country value 
(fctr) (dbl) 
1  AUT NA 
2  AUT  5 
3  AUT  5 
4  AUT  5 
5  GER NA 
6  GER NA 
7  GER  7 
8  GER  7 
9  GER  7