ersetzen NA-Wert mit dem Gruppenwert

Question

Ich habe eine df wie folgt, die 20 Personen über 5 Haushalte hat. Einige Personen im Haushalt haben keine Daten darüber, ob sie eine med_card haben oder nicht. Ich möchte diesen Menschen den gleichen Wert geben wie die anderen Menschen in ihrem Haushalt (kein NA-Wert, ein echter Binärwert, der entweder 0 oder 1 ist).

Ich habe versucht den folgenden Code, der ein Schritt in die richtige Richtung ist denke ich - aber ist nicht 100% richtig, weil a) es nicht funktioniert, wenn der erste Wert für med_card pro Haushalt ist NA und b) es nicht NA im Haushalt für alle Menschen ersetzen 1.

DF<- ddply(df, .(hhold_no), function(df) {df$med_card[is.na(df$med_card)] <- head(df$med_card, na.rm=TRUE); return(df)}) 

alle Zeiger würde sehr geschätzt werden, Danke

Probe df

df 
    person_id hhold_no med_card 
1   1  1  1 
2   2  1  1 
3   3  1  NA 
4   4  1  NA 
5   5  1  NA 
6   6  2  0 
7   7  2  0 
8   8  2  0 
9   9  2  0 
10  10  3  NA 
11  11  3  NA 
12  12  3  NA 
13  13  3  1 
14  14  3  1 
15  15  4  1 
16  16  4  1 
17  17  5  1 
18  18  5  1 
19  19  5  NA 
20  20  5  NA 

und Code

person_id<-as.numeric(c(1:20)) 
hhold_no<-as.numeric(c(1,1,1,1,1,2,2,2,2,3,3,3,3,3,4,4,5,5,5,5)) 
med_card<-as.numeric(c(1,1,NA,NA,NA,0,0,0,0,NA,NA,NA,1,1,1,1,1,1,NA,NA)) 
df<-data.frame(person_id,hhold_no, med_card) 

Wunsch Ausgang

df 
    person_id hhold_no med_card med_card_new 
1   1  1  1   1 
2   2  1  1   1 
3   3  1  NA   1 
4   4  1  NA   1 
5   5  1  NA   1 
6   6  2  0   0 
7   7  2  0   0 
8   8  2  0   0 
9   9  2  0   0 
10  10  3  NA   1 
11  11  3  NA   1 
12  12  3  NA   1 
13  13  3  1   1 
14  14  3  1   1 
15  15  4  1   1 
16  16  4  1   1 
17  17  5  1   1 
18  18  5  1   1 
19  19  5  NA   1 
20  20  5  NA   1 

Answer 1

ave Versuchen zu machen. Es wendet eine Funktion auf Gruppen an. Werfen Sie einen Blick auf ?ave für Details, zB:

df$med_card_new <- ave(df$med_card, df$hhold_no, FUN=function(x)unique(x[!is.na(x)])) 

# person_id hhold_no med_card med_card_new 
#1   1  1  1   1 
#2   2  1  1   1 
#3   3  1  NA   1 
#4   4  1  NA   1 
#5   5  1  NA   1 
#6   6  2  0   0 
#7   7  2  0   0 
#8   8  2  0   0 
#9   9  2  0   0 

Bitte beachten Sie, dass dies nur funktioniert, wenn nicht alle Werte in einem Haushalt NA sind und das soll nicht unterscheiden (zB Person 1 == 1, Person 2 == 0).

Answer 2

das ist genau das, was na.aggregate (link) im Zoo Paket tut:

library(zoo) 

transform(df, med_card_new = na.aggregate(med_card, by = hhold_no)) 

Answer 3

data.table Lösung

library(data.table) 
setDT(df)[, med_card2 := unique(med_card[!is.na(med_card)]), by = hhold_no] 

#  person_id hhold_no med_card med_card2 
# 1:   1  1  1   1 
# 2:   2  1  1   1 
# 3:   3  1  NA   1 
# 4:   4  1  NA   1 
# 5:   5  1  NA   1 
# 6:   6  2  0   0 
# 7:   7  2  0   0 
# 8:   8  2  0   0 
# 9:   9  2  0   0 
# 10:  10  3  NA   1 
# 11:  11  3  NA   1 
# 12:  12  3  NA   1 
# 13:  13  3  1   1 
# 14:  14  3  1   1 
# 15:  15  4  1   1 
# 16:  16  4  1   1 
# 17:  17  5  1   1 
# 18:  18  5  1   1 
# 19:  19  5  NA   1 
# 20:  20  5  NA   1