我有两个数据表,city_pop
, 和 city_sub
. city_pop
是平均人口缺失一些值的城市列表。 city_sub
表格给出了两种可能的 city_id
( sub_1
和 sub_2
)其 avg_pop
可以用来填NA
在 city_pop
. sub_1
和 sub_2
将按优先顺序使用。只有NA
avg_pop
中的值需要更换。
如何在不使用 for 循环的情况下执行此操作?
city_id = c(1, 2, 3, 4, 5, 6)
avg_pop = c(100, NA, NA, 300, 400, NA)
city_pop = data.table(city_id, avg_pop)
city_id avg_pop
1: 1 100
2: 2 NA
3: 3 NA
4: 4 300
5: 5 400
6: 6 NA
sub_1=c(2,1,4,3,1,3)
sub_2=c(5,5,6,6,2,4)
city_sub =data.table(city_id,sub_1,sub_2)
city_id sub_1 sub_2
1: 1 2 5
2: 2 1 5
3: 3 4 6
4: 4 3 6
5: 5 1 2
6: 6 3 4
预期输出 -
city_id avg_pop
1 1 100
2 2 100
3 3 300
4 4 300
5 5 400
6 6 300
最佳答案
这是 dplyr
的方法使用 coalesce
它使用第一个非 NA
值(value)。我创建了一个单独的列 avg_pop2
因为在这种情况下看起来更安全,并且也可以轻松验证结果。
city_pop %>%
left_join(city_sub, by = "city_id") %>%
mutate(
avg_pop2 = coalesce(
avg_pop, avg_pop[match(sub_1, city_id)], avg_pop[match(sub_2, city_id)]
)
)
city_id avg_pop sub_1 sub_2 avg_pop2
1 1 100 2 5 100
2 2 NA 1 5 100
3 3 NA 4 6 300
4 4 300 3 6 300
5 5 400 1 2 400
6 6 NA 3 4 300
关于r - 根据与另一个表的关系填充缺失值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57446511/