una - Reemplazar los valores perdidos con media de la columna

reemplazar valores data frame r

Question

No estoy seguro de cómo recorrer cada columna para reemplazar los valores de NA con la media de la columna. Cuando intento reemplazar una columna por el siguiente, funciona bien.

Column1[is.na(Column1)] <- round(mean(Column1, na.rm = TRUE))

El código para el bucle sobre columnas no funciona:

for(i in 1:ncol(data)){
data[i][is.na(data[i])] <- round(mean(data[i], na.rm = TRUE))
}

los valores no son reemplazados ¿Puede alguien ayudarme con esto?

Answer 1

Para agregar a las alternativas, usando los datos de muestra de @ akrun, haría lo siguiente:

d1[] <- lapply(d1, function(x) {
x[is.na(x)] <- mean(x, na.rm = TRUE)
x
})
d1

Answer 2

Si DF es su marco de datos de columnas numéricas:

library(zoo)
na.aggregate(DF)

ADICIONAL:

Al usar solo la base de R, se define una función que lo hace para una columna y luego se aplica a cada columna:

NA2mean <- function(x) replace(x, is.na(x), mean(x, na.rm = TRUE))
replace(DF, TRUE, lapply(DF, NA2mean))

La última línea podría reemplazarse con lo siguiente si está bien sobreescribir la entrada:

DF[] <- lapply(DF, NA2mean)

Answer 3

Similar a la respuesta señalada por @Thomas, Esto también se puede hacer usando el método ifelse() de R:

for(i in 1:ncol(data)){
data[,i]=ifelse(is.na(data[,i]),
ave(data[,i],FUN=function(y) mean(y, na.rm = TRUE)),
data[,i])
}

donde, Arguments to ifelse(TEST, YES , NO) son: -

TEST - condición lógica a verificar

SÍ - se ejecuta si la condición es verdadera

NO - else cuando la condición es False

y ave(x, ..., FUN = mean) es el método en R usado para calcular promedios de subconjuntos de x []

Answer 4

También hay una solución rápida usando el paquete imputeTS :

library(imputeTS)
na.mean(yourDataFrame)

Answer 5

También puedes probar:

 cM <- colMeans(d1, na.rm=TRUE)
indx <- which(is.na(d1), arr.ind=TRUE)
d1[indx] <- cM[indx[,2]]
d1

datos

set.seed(42)
d1 <- as.data.frame(matrix(sample(c(NA,0:5), 5*10, replace=TRUE), ncol=10))

Answer 6

Una modificación relativamente simple de tu código debería resolver el problema:

for(i in 1:ncol(data)){
data[is.na(data[,i]), i] <- mean(data[,i], na.rm = TRUE)
}

Answer 7

lapply se puede usar en lugar de un bucle for .

d1[] <- lapply(d1, function(x) ifelse(is.na(x), mean(x, na.rm = TRUE), x))

Esto realmente no tiene ninguna ventaja sobre el bucle for, aunque quizás sea más fácil si también tiene columnas no numéricas, en cuyo caso

d1[sapply(d1, is.numeric)] <- lapply(d1[sapply(d1, is.numeric)], function(x) ifelse(is.na(x), mean(x, na.rm = TRUE), x))

es casi tan fácil.

Answer 8

# Lets say I have a dataframe , df as following -
df <- data.frame(a=c(2,3,4,NA,5,NA),b=c(1,2,3,4,NA,NA))
# create a custom function
fillNAwithMean <- function(x){
na_index <- which(is.na(x))
mean_x <- mean(x, na.rm=T)
x[na_index] <- mean_x
return(x)
}
(df <- apply(df,2,fillNAwithMean))
a b
2.0 1.0
3.0 2.0
4.0 3.0
3.5 4.0
5.0 2.5
3.5 2.5