r - 使用 dplyr 进行线性插值，但跳过具有所有缺失值的组

Question

我正在尝试使用 dplyr 和 approx() 在组内线性插值值，不幸的是，某些组具有所有缺失值，因此我希望近似跳过这些组并继续处理其余组。我不想推断或使用最近的相邻观测数据。

这是数据示例。第一组(按 id)全部缺失，另一组应该进行插值。

data <- read.csv(text="
id,year,value
c1,1998,NA
c1,1999,NA
c1,2000,NA
c1,2001,NA
c2,1998,14
c2,1999,NA
c2,2000,NA
c2,2001,18")

dataIpol <- data %>%
group_by(id) %>% 
arrange(id, year) %>%            
mutate(valueIpol = approx(year, value, year, 
                 method = "linear", rule = 1, f = 0, ties = mean)$y)

但是我收到了错误

Error: need at least two non-NA values to interpolate

如果我删除全部丢失的组，我不会收到此错误，但这是不可行的。

Answer 1

我们可以通过添加具有所需数据点数量的过滤器步骤来解决此问题:

library(dplyr)
dataIpol <- data %>%
  group_by(id) %>% 
  arrange(id, year) %>%
  filter(sum(!is.na(value))>=2) %>% #filter!
  mutate(valueIpol = approx(year, value, year, 
                            method = "linear", rule = 1, f = 0, ties = mean)$y)

这里我们对值列中非 NA 项的数量进行求和，并删除任何没有 >=2 的组。