R填充NAs取决于NAs之后的值以及有多少NAs
您好，我想根据NAs之后的第一个数字和有多少个NAs来填充我的data.frame中的NAs。这是降雨量数据，NAs显示该测量仪没有通信的时间，但我们知道这段时间内发生的总降雨量，并希望对其进行平均。
这里有很多关于如何填充它们的问题，但我还没有找到任何需要使用NAs数量的问题。基本上，我希望将NAs之后的数字的值除以丢失的时间步数的平均值。
以下是我的示例数据。我已经让它变得非常简单，但在真实的示例中，我有数十万个条目，并将按站点对数据进行分组。
library(tidyr)
library(dplyr)
library(zoo)
testdf <- data.frame(DateTime = seq.POSIXt(
from = as.POSIXct("2019-01-01"), to = as.POSIXct("2019-01-02"), by = "hours"),
Value = c(0,0,1,NA,NA,NA,-4,0,0,0,NA,NA,NA,NA,NA,-2,5,3,NA,-2,0,0,0,1,2))使用tidyr::fill或zoo:na.locf后，我可以很容易地用第一个值填充NAs
tidyr::fill(testdf,Value, .direction = "up")
testdf %>% mutate(Filled = zoo::na.locf(Value, fromLast = T))但我想将其除以一行中出现的NAs数加1(即，如果有5个NAs除以6)。理想情况下，我还希望更改NAs之后的值，使其也等于这个新值，但如果需要的话，我可能可以为这一步修改一些东西。
加分如果有一种简单的方法可以只对某些时期的空档(基本上是na.locf的最大间隔特性)这样做，就好像我有一两个小时没有平均，但如果是一周或一个月，我想把它留为NA。
输出示例
desiredOutput <- data.frame(DateTime = seq.POSIXt(
from = as.POSIXct("2019-01-01"), to = as.POSIXct("2019-01-02"), by = "hours"),
Value = c(0,0,1,-1,-1,-1,-1,0,0,0,-0.33,-0.33,-0.33,-0.33,-0.33,-0.33,5,3,-1,-1,0,0,0,1,2))回答 3
Stack Overflow用户
发布于 2019-08-13 11:22:57
我们可以使用data.table。按值中非NA元素的值的累积和分组，将值‘shift’除以行数，并赋值(:=)以更新‘last’列
library(data.table)
setDT(testdf)[, Value := last(Value)/.N, shift(cumsum(!is.na(Value)), fill = 1)]
testdf
# DateTime Value
# 1: 2019-01-01 00:00:00 0.0000000
# 2: 2019-01-01 01:00:00 0.0000000
# 3: 2019-01-01 02:00:00 1.0000000
# 4: 2019-01-01 03:00:00 -1.0000000
# 5: 2019-01-01 04:00:00 -1.0000000
# 6: 2019-01-01 05:00:00 -1.0000000
# 7: 2019-01-01 06:00:00 -1.0000000
# 8: 2019-01-01 07:00:00 0.0000000
# 9: 2019-01-01 08:00:00 0.0000000
#10: 2019-01-01 09:00:00 0.0000000
#11: 2019-01-01 10:00:00 -0.3333333
#12: 2019-01-01 11:00:00 -0.3333333
#13: 2019-01-01 12:00:00 -0.3333333
#14: 2019-01-01 13:00:00 -0.3333333
#15: 2019-01-01 14:00:00 -0.3333333
#16: 2019-01-01 15:00:00 -0.3333333
#17: 2019-01-01 16:00:00 5.0000000
#18: 2019-01-01 17:00:00 3.0000000
#9: 2019-01-01 18:00:00 -1.0000000
#20: 2019-01-01 19:00:00 -1.0000000
#21: 2019-01-01 20:00:00 0.0000000
#22: 2019-01-01 21:00:00 0.0000000
#23: 2019-01-01 22:00:00 0.0000000
#24: 2019-01-01 23:00:00 1.0000000
#25: 2019-01-02 00:00:00 2.0000000Stack Overflow用户
发布于 2019-08-13 11:09:19
使用dplyr的一种方法是创建组，以便将连续NA之后的第一个非NA值包含在组中，这样我们就可以将last(Value)除以组中的行数(n())。non-NA的值存储在各自的组中，只有一个元素，因此它们的计算不受影响，非NA number返回相同的数字。
library(dplyr)
testdf %>%
group_by(group = lag(cumsum(!is.na(Value)), default = 1)) %>%
mutate(Value = last(Value)/n()) %>%
ungroup %>%
select(-group)
# A tibble: 25 x 2
# DateTime Value
# <dttm> <dbl>
# 1 2019-01-01 00:00:00 0
# 2 2019-01-01 01:00:00 0
# 3 2019-01-01 02:00:00 1
# 4 2019-01-01 03:00:00 -1
# 5 2019-01-01 04:00:00 -1
# 6 2019-01-01 05:00:00 -1
# 7 2019-01-01 06:00:00 -1
# 8 2019-01-01 07:00:00 0
# 9 2019-01-01 08:00:00 0
#10 2019-01-01 09:00:00 0
# … with 15 more rows为了包含maxgap功能，我们可以用第一个Datetime减去最后一个，如果它大于某个值，就用NA replace它，例如下面我做了10个小时的持续时间。
testdf %>%
group_by(group = lag(cumsum(!is.na(Value)), default = 1)) %>%
mutate(Value = last(Value)/n(),
Value = replace(Value, as.integer(difftime(DateTime[max(n() - 1, 1)],
first(DateTime), units = "hours")) > 10, NA))Stack Overflow用户
发布于 2020-12-30 01:07:16
这可能很难适应这里非常具体的细节，但通常情况下，imputeTS包中的na_ma移动平均估算函数可以帮助您将NAs替换为缺失值周围的非NA值的平均值。它还具有必需的maxgap选项。
你可以直接打电话给
library("imputeTS")
na_ma(x, k = 4, weighting = "simple", maxgap = 5)这将用最接近的4个值(左侧4个，右侧4个)的平均值替换NA值。使用您定义的maxgap =5，连续运行的NAs的长度超过5的将保留为NA。
https://stackoverflow.com/questions/57470549
复制相似问题
腾讯云开发者
