Comment remplir NA avec une médiane?

Ou avec ave

df <- data.frame(years=sort(rep(2005:2010, 12)),
months=1:12,
value=c(rnorm(60),NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,NA))
df$value[is.na(df$value)] <- with(df, ave(value, months, 
   FUN = function(x) median(x, na.rm = TRUE)))[is.na(df$value)]

---

Car il ya tellement de nombreuses réponses nous allons voir qui est plus rapide.

plyr2 <- function(df){
medDF <- ddply(df,.(months),summarize,median=median(value,na.rm=TRUE))
df$value[is.na(df$value)] <- medDF$median[match(df$months,medDF$months)][is.na(df$value)]
df
}
library(plyr)
library(data.table)
DT <- data.table(df)
setkey(DT, months)
benchmark(ave = df$value[is.na(df$value)] <- 
with(df, ave(value, months, 
FUN = function(x) median(x, na.rm = TRUE)))[is.na(df$value)],
tapply = df$value[61:72] <- 
with(df, tapply(value, months, median, na.rm=TRUE)),
sapply = df[61:72, 3] <- sapply(split(df[1:60, 3], df[1:60, 2]), median),
plyr = ddply(df, .(months), transform, 
value=ifelse(is.na(value), median(value, na.rm=TRUE), value)),
plyr2 = plyr2(df),
data.table = DT[,value := ifelse(is.na(value), median(value, na.rm=TRUE), value), by=months],
order = "elapsed")
test replications elapsed relative user.self sys.self user.child sys.child
3     sapply          100   0.209 1.000000     0.196    0.000          0         0
1        ave          100   0.260 1.244019     0.244    0.000          0         0
6 data.table          100   0.271 1.296651     0.264    0.000          0         0
2     tapply          100   0.271 1.296651     0.256    0.000          0         0
5      plyr2          100   1.675 8.014354     1.612    0.004          0         0
4       plyr          100   2.075 9.928230     2.004    0.000          0         0

J'aurais pu parier que les données.le tableau a été le plus rapide.

[ Matthieu Dowle ] La tâche chronométrée prend ici tout au plus de 0,02 secondes (2.075/100). data.table estime qu'insignifiant. Essayez de définir replications à 1 et l'augmentation de la taille des données, à la place. Ou le moment le plus rapide des 3 essais est également un principe de base commun. Plus de commentaires de discussion de ces liens :

• La preuve que les données.le tableau n'est pas toujours la plus rapide
• Repères dans Calcul de la moyenne des valeurs de la colonne pour les sections spécifiques de données correspondant à d'autres valeurs de la colonne
• Londres R présentation, juin 2012 (diapo 21 intitulé "Autres")
• Un transformer en groupe de référence dans un cas extrême

OriginalL'auteur Luciano Selzer

Voici le plus robuste solution je pense. Il assure le ans sont classés correctement et correctement calculer la médiane pour tous les mois précédents dans le cas où vous avez plusieurs années avec des valeurs manquantes.

# first, reshape your data so it is years by months:
library(reshape2)
tmp <- dcast(years ~ months, data=df)  # convert data to years x months
tmp <- tmp[order(tmp$years),]          # order years
# now calculate the running median on each month
library(caTools)
# function to replace NA with rolling median
tmpfun <- function(x) {
ifelse(is.na(x), runquantile(x, k=length(x), probs=0.5, align="right"), x)
}
# apply tmpfun to each column and convert back to data.frame
tmpmed <- as.data.frame(lapply(tmp, tmpfun))
# reshape back to long and convert 'months' back to integer
res <- melt(tmpmed, "years", variable.name="months")
res$months <- as.integer(gsub("^X","",res$months))

OriginalL'auteur Joshua Ulrich

Il est une autre façon de le faire avec dplyr.

Si vous voulez remplacer toutes les colonnes avec leurs médiane, n':

library(dplyr)
df %>% 
mutate_all(~ifelse(is.na(.), median(., na.rm = TRUE), .))

Si vous souhaitez remplacer un sous-ensemble de colonnes (comme "valeur" dans OP exemple), faites:

df %>% 
mutate_at(vars(value), ~ifelse(is.na(.), median(., na.rm = TRUE), .))

OriginalL'auteur Sam H.