lrd*_*dbs 3 r missing-data extrapolation
是否有一种简单的方法可以线性外推R数据帧中的缺失值?
也许这是数据预处理中的一个琐碎且经常遇到的问题,但是,经过一段时间的搜索,我找不到任何简单的解决方案。
这个问题不是关于插值,而是关于在出现之前和之后推断丢失的数据。
我知道,使用用户定义的函数可以解决此问题,但是在这种情况下,恐怕是不必要的。
以下是起始输入数据帧,包括所需的输出格式。
任何帮助/提示都受到高度赞赏。提前非常感谢您。
输入数据帧:
input <- read.table(header=TRUE, text="
ID1 ID2 ID3 ID4 ID5 ID6
NA 20 NA NA NA NA
21 21 NA NA 22 NA
22 22 23 24 23 22
NA 23 24 25 NA 23
NA 24 25 26 NA 24
NA 25 26 27 NA 25
NA 26 27 28 NA 26
NA NA 28 NA NA 27
NA NA NA NA NA NA
NA NA NA NA NA NA
")
Run Code Online (Sandbox Code Playgroud)
输出数据帧:
output <- read.table(header=TRUE, text="
ID1 ID2 ID3 ID4 ID5 ID6
20 20 21 22 21 20
21 21 22 23 22 21
22 22 23 24 23 22
23 23 24 25 24 23
24 24 25 26 25 24
25 25 26 27 26 25
26 26 27 28 27 26
27 27 28 29 28 27
28 28 29 30 29 28
29 29 30 31 30 29
")
Run Code Online (Sandbox Code Playgroud)
一种可能的方法是使用Hmisc::approxExtrap,基础R的approx功能不支持线性外推法仅线性内插:
input[] <- sapply(input, function(y) {
xs <- seq_along(y)
Hmisc::approxExtrap(x = xs[!is.na(y)], y = y[!is.na(y)], xout = xs)$y
})
input
#> ID1 ID2 ID3 ID4 ID5 ID6
#> 1 20 20 21 22 21 20
#> 2 21 21 22 23 22 21
#> 3 22 22 23 24 23 22
#> 4 23 23 24 25 24 23
#> 5 24 24 25 26 25 24
#> 6 25 25 26 27 26 25
#> 7 26 26 27 28 27 26
#> 8 27 27 28 29 28 27
#> 9 28 28 29 30 29 28
#> 10 29 29 30 31 30 29
Run Code Online (Sandbox Code Playgroud)
请注意,我们总是可以手动计算线性模型的(最小二乘)估计系数:
input[] <- sapply(input, function(y) {
xs <- seq_along(y)[!is.na(y)]
ys <- y[!is.na(y)]
b.hat <- cov(xs, ys) / var(xs)
a.hat <- mean(ys) - b.hat * mean(xs)
a.hat + b.hat * seq_along(y)
})
input
#> ID1 ID2 ID3 ID4 ID5 ID6
#> 1 20 20 21 22 21 20
#> 2 21 21 22 23 22 21
#> 3 22 22 23 24 23 22
#> 4 23 23 24 25 24 23
#> 5 24 24 25 26 25 24
#> 6 25 25 26 27 26 25
#> 7 26 26 27 28 27 26
#> 8 27 27 28 29 28 27
#> 9 28 28 29 30 29 28
#> 10 29 29 30 31 30 29
Run Code Online (Sandbox Code Playgroud)