用R中的滚动平均值来归因于缺失值 [英] Impute missing values with ROLLING mean in R
本文介绍了用R中的滚动平均值来归因于缺失值的处理方法,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
我是R新手,正在解决一个问题。
我需要一个函数来根据给定大小的窗口中元素的平均值来计算向量中的缺失值。
但是,此窗口将移动,因为假设MyNA
位于位置30,而我的窗口大小为10,则应计算x[20:40]
的平均值。因此,对于每个找到的NA
,窗口平均值将不同。
我一直在尝试:
impute.to.window.mean <- function(x, window) {
na.idx <- is.na(x) #find missing values in x
for (na in na.idx) {
y <- (x[na]-window):(x[na]+window)
na.idx[na] <- mean(y, na.rm = TRUE)
}
return(x)
}
但它不正确,我不知道如何继续。
推荐答案
您可能需要考虑使用imputeTS
包。以下是使用简单移动平均值和窗口4填充值的示例:
x <- rnorm(100)
x[c(7, 21, 33)] <- NA
imputeTS::na_ma(x, k = 4, weighting = "simple")
这篇关于用R中的滚动平均值来归因于缺失值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