Füllung fehlt Ebene

Question

Ich habe die folgende Art von Datenrahmen:

Country <- rep(c("USA", "AUS", "GRC"),2) 
Year <- 2001:2006 
Level <- c("rich","middle","poor",rep(NA,3)) 
df <- data.frame(Country, Year,Level) 

df 
Country Year Level 
1  USA 2001 rich 
2  AUS 2002 middle 
3  GRC 2003 poor 
4  USA 2004 <NA> 
5  AUS 2005 <NA> 
6  GRC 2006 <NA> 

Ich mag die fehlende Werte mit dem richtigen Niveau Label in den letzten von der rechten Spalte füllen.

So sollte das erwartete Ergebnis so aussehen:

Country Year Level 
1  USA 2001 rich 
2  AUS 2002 middle 
3  GRC 2003 poor 
4  USA 2004 rich 
5  AUS 2005 middle 
6  GRC 2006 poor 

Answer 1

Wir können Gruppe von 'Land' und die Nicht-NA eindeutigen Wert

library(dplyr) 
df %>% 
    group_by(Country) %>% 
    dplyr::mutate(Level = Level[!is.na(Level)][1]) 
# A tibble: 6 x 3 
# Groups: Country [3] 
# Country Year Level 
# <fctr> <int> <fctr> 
#1  USA 2001 rich 
#2  AUS 2002 middle 
#3  GRC 2003 poor 
#4  USA 2004 rich 
#5  AUS 2005 middle 
#6  GRC 2006 poor 

Wenn wir bekommen geladen dplyr zusammen mit plyr, ist es besser, explizit anzugeben dplyr::mutate oder dplyr::summarise, so dass es die Funktion vonverwendet 10. Es gibt dieselben Funktionen in plyr und es könnte möglicherweise die Funktionen von dplyr maskieren, wenn beide geladen sind und ein anderes Verhalten erzeugen.

Answer 2

library(dplyr) 

df %>% 
    group_by(Country) %>% 
    mutate(Level = replace(Level, is.na(Level), unique(na.omit(Level)))) 

Country Year Level 
    <fctr> <int> <fctr> 
1  USA 2001 rich 
2  AUS 2002 middle 
3  GRC 2003 poor 
4  USA 2004 rich 
5  AUS 2005 middle 
6  GRC 2006 poor 

Oder kurz und bündig, @ suchait Idee Anwendung na.locf zu verwenden:

df %>% 
    group_by(Country) %>% 
    mutate(Level = zoo::na.locf(Level)) 

Answer 3

Sie können es usi tun ng data.table und zoo: -

library(data.table) 
library(zoo) 
setDT(df) 
df[, Level := na.locf(Level), by = Country] 

Diese Sie geben: -

Country Year Level 
1:  USA 2001 rich 
2:  AUS 2002 middle 
3:  GRC 2003 poor 
4:  USA 2004 rich 
5:  AUS 2005 middle 
6:  GRC 2006 poor 

Answer 4

In Basis R, könnten Sie ave() verwenden:

transform(df, Level = ave(Level, Country, FUN = na.omit)) 

# Country Year Level 
# 1  USA 2001 rich 
# 2  AUS 2002 middle 
# 3  GRC 2003 poor 
# 4  USA 2004 rich 
# 5  AUS 2005 middle 
# 6  GRC 2006 poor 

Eine weitere, genauere Möglichkeit ist eine Verknüpfung zu verwenden. Hier verschmelzen wir die Country Spalte mit den NA-weggelassenen Daten. Das Ergebnis ist das gleiche, nur in einer anderen Zeilenreihenfolge.

merge(df["Country"], na.omit(df)) 

# Country Year Level 
# 1  AUS 2002 middle 
# 2  AUS 2002 middle 
# 3  GRC 2003 poor 
# 4  GRC 2003 poor 
# 5  USA 2001 rich 
# 6  USA 2001 rich 

Answer 5

Eine Lösung dplyr und tidyr verwenden. Hier

library(dplyr) 
library(tidyr) 

df %>% 
    arrange(Country) %>% 
    fill(Level) %>% 
    arrange(Year) 
# Country Year Level 
# 1  USA 2001 rich 
# 2  AUS 2002 middle 
# 3  GRC 2003 poor 
# 4  USA 2004 rich 
# 5  AUS 2005 middle 
# 6  GRC 2006 poor 

Answer 6

ist eine weitere data.table Lösung, die Updates auf beitreten mit einer Lookup-Tabelle, die aus dem gegebenen Datensatz erstellt wird selbst:

library(data.table) 
setDT(df)[df[!is.na(Level)], on = .(Country), Level := Level][] 

Country Year Level 
1:  USA 2001 rich 
2:  AUS 2002 middle 
3:  GRC 2003 poor 
4:  USA 2004 rich 
5:  AUS 2005 middle 
6:  GRC 2006 poor