按组高效填充NAS [英] Efficiently fill NAs by group
本文介绍了按组高效填充NAS的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我有一个数据集,其中我观察到一些人的变量,而不是另一些人的变量。对于那些我观察到变量的个体,我只观察一次。然而,每个人的观测次数以及观测值的位置各不相同。
我想用非NA值填充给定个体的所有NA值,以防存在非NA值。否则,NAS应保持为NA。以下是一个数据集示例:
#data.frame of 100 individuals with 10 observations each
data <- data.frame(group = rep(1:100,each=10),value = NA)
#first 50 individuals get a value at the fifth observation, others don't have value
data$value[seq(5,500,10)] <- rnorm(50)
到目前为止还不错,不是什么大问题。取自另一个线程,我们可以使用dplyr
和tidyr
做类似的事情:
data <- data %>%
group_by(group) %>% #by group
fill(value) %>% #default direction down
fill(value, .direction = "up") #also fill NAs upwards
这很好地解决了问题。然而,我必须在大约8000万美元的时间里这样做。观察,这需要几个小时。有没有更快的方法?我认为data.table
可能是一个很好的候选人。
如果可以将该方法调整为仅填充值之前出现的Nas,那也是很好的。
谢谢!
推荐答案
这是我使用的代码:您的代码和我的代码。有时,动物园不是最快的过程,但它是最干净的。无论如何,您可以测试它。
更新: 到目前为止,它已经用更多的数据(100.000)进行了测试,并且Process 03(子集和合并)获胜。
上次更新 与rBenchmark的功能比较:
library(dplyr)
library(tidyr)
library(base)
library(data.table)
library(zoo)
library(rbenchmark)
#data.frame of 100 individuals with 10 observations each
data <- data.frame(group = rep(1:10000,each=10),value = NA)
data$value[seq(5,5000,10)] <- rnorm(50) #first 50 individuals get a value at the fifth observation, others don't have value
#Process01
P01 <- function (data){
data01 <- data %>%
group_by(group) %>% #by group
fill(value) %>% #default direction down
fill(value, .direction = "up") #also fill NAs upwards
return(data01)
}
#Process02
P02 <- function (data){
data02 <- setDT(data)[, value := na.locf(na.locf(value, na.rm = FALSE),
fromLast = TRUE), group]
return(data02)
}
#Process03
P03 <- function (data){
dataU <- subset(unique(data), value!='NA') #keep row number
dataM <- merge(data, dataU, by = "group", all=T) #merge tables
data03 <- data.frame(group=dataM$group, value = dataM$value.y) #idem shape of data
return(data03)
}
benchmark("P01_dplyr" = {data01 <- P01(data)},
"P02_zoo" = {data02 <- P02(data)},
"P03_data.table" = {data03 <- P03(data)},
replications = 10,
columns = c("test", "replications", "elapsed")
)
数据=10.000、10代表和i57400的结果:
test replications elapsed
1 P01_dplyr 10 257.78
2 P02_zoo 10 10.35
3 P03_data.table 10 0.09
这篇关于按组高效填充NAS的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文