我正在尝试通过多个组插值来估算缺失值NA
。
我只是子集一个简单的例子:
Year ST CC ID MP PS
2002 15 3 3 NA 1.5
2003 15 3 3 NA 1.5
2004 15 3 3 193 1.5
2005 15 3 3 193 1.5
2006 15 3 3 348 1.5
2007 15 3 3 388 1.5
2008 15 3 3 388 1.5
1999 53 33 1 NA 3.4
2000 53 33 1 NA 3.4
2002 53 33 1 NA 2.9
2003 53 33 1 NA 2.6
2004 53 33 1 NA 2.6
2005 53 33 1 170 3.8
2006 53 33 1 170 3.0
2007 53 33 1 330 4.2
2008 53 33 1 330 5.0
我使用了na.approx()
但出错了。看来我的数据在每组的第一次观察中都有缺失值。
setDT(dt)[, MP_interpolate := na.approx(MP, na.rm = T), .(Year, ST, CC, ID)]
setDT(dt)[, MP_interpolate := if(length(na.omit(MP))<2) MP else na.approx(MP, na.rm=TRUE), .(Year, ST, CC, ID)]
我也尝试过包 imputeTS
但不起作用。
两者都不正确。这是否意味着使用插值来估算缺失不是一个好主意?
我不确定哪种插补方法更好(不想使用mean
或median
)。我正在考虑使用 PS
趋势来估算 MP
。 (只是我的想法,不是问题)
最佳答案
您可以在 ave
中尝试 imputeTS::na_kalman
。这也推断出您可能想要什么。
library(imputeTS)
dt$MP.imp <- with(dt, ave(MP, ST, CC, ID, FUN=na_kalman))
# Year ST CC ID MP PS MP.imp
# 1 2001 15 3 3 NA 1.5 193.0000
# 2 2002 15 3 3 NA 1.5 193.0000
# 3 2003 15 3 3 NA 1.5 193.0000
# 4 2004 15 3 3 193 1.5 193.0000
# 5 2005 15 3 3 193 1.5 193.0000
# 6 2006 15 3 3 348 1.5 348.0000
# 7 2007 15 3 3 388 1.5 388.0000
# 8 2008 15 3 3 388 1.5 388.0000
# 9 1999 53 33 1 NA 3.4 170.2034
# 10 2000 53 33 1 NA 3.4 166.3867
# 11 2002 53 33 1 NA 2.9 164.4496
# 12 2003 53 33 1 NA 2.6 165.0018
# 13 2004 53 33 1 NA 2.6 168.6527
# 14 2005 53 33 1 170 3.8 170.0000
# 15 2006 53 33 1 170 3.0 170.0000
# 16 2007 53 33 1 330 4.2 330.0000
# 17 2008 53 33 1 330 5.0 330.0000
您可能希望在 ave
中包含 year
,否则它在示例数据中将无法工作。
关于r - 通过分组插值来估算缺失值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60574665/