R Функция, которая заменяет NA на запаздывающие значения

Я пытаюсь написать функцию, которая заменяет отсутствующие значения выбранных переменных во фрейме данных их запаздывающими значениями (я использую задержку на одно наблюдение) в R. Я успешно написал для этого следующий цикл for:

testdata <- data.frame(x1 = c(1:10), 
                       x2 = c(4, 3, NA, 7, 8, NA, 9, NA, 10, 11), 
                       x3 = c(4, 3, NA, 7, 8, NA, 9, NA, NA, 11),
                       x4 = c("a", NA, NA, "d", "e", NA, "f", NA, "g", NA))

for (j in 2:4){
  for (i in 1:10){
    if(is.na(testdata[i, j])){
      testdata[i, j] <- testdata[i - 1, j]
    }}}

Цикл for работает нормально, однако я обобщу этот код и напишу его в функции, которая создаст пустой список. Я написал следующую функцию:

fill_null <- function(df, columns, rows){
  for (j in columns){
    for(i in rows){
      if(is.na(df[i, j])){
        df[i,j] <- df[i - 1, j]
      } else{
        df[i, j] <- df[i, j]
      }}}}

Когда я запускаю эту функцию, используя следующий код:

newdf <- fill_null(testdata, 2:4, 1:10)
str(newdf)

Получаю следующий результат:

> str(newdf)
 NULL

Мне интересно, почему этот цикл for будет работать, если он не вызывается в функции, но перестает работать после того, как он записан в функцию. Мне также интересно, есть ли простой способ решить эту проблему, потому что мне нужно заполнить NA запаздывающими значениями для нескольких разных фреймов данных.


r function for-loop lag fillna
person benalbert342    schedule 16.10.2019    source источник
comment
Поместите return(df) в конце вашей функции.   -  person Gregor Thomas    schedule 16.10.2019
comment
Вам также могут быть интересны функции zoo::na.locf (для одного столбца) или tidyr::fill (для всего фрейма данных), которые делают это с большим количеством функций и более эффективно. См., Например, этот FAQ по этой теме. Ваша функция делает то же самое, что и tidyr::fill(testdata)   -  person Gregor Thomas    schedule 16.10.2019
comment
Стабильность - большое преимущество использования хорошо протестированных функций. Например, я думаю, что ваша функция выдаст ошибку выхода за пределы, если в первой строке данных есть NA значения.   -  person Gregor Thomas    schedule 16.10.2019
comment
Я бы также добавил, что у R есть несколько хороших способов применить функцию к определенным столбцам фрейма данных. Вместо этого жесткого кода, который используется в вашей функции, я бы предложил написать более простую функцию, которая работает с одним вектором. Эта функция более гибкая, чем та, что у вас есть, и вы можете применить ее к столбцам, используя обычные методы R, такие как for или lapply, например, testdata[columns] = lapply(testdata[columns], simple_fill_null). Или, если вам действительно нужен интерфейс столбца, напишите оболочку, которая делает это lapply. Небольшие размеры и модульность функций упрощают их отладку и делают их более гибкими в использовании.   -  person Gregor Thomas    schedule 14.11.2019

Ответы (1)


arrow_upward
0
arrow_downward

В R функции будут (если не указано иное) возвращать последнее сгенерированное значение. В вашей функции вы можете подумать, что последнее значение df, но на самом деле это цикл for. Согласно документации в ?"for", for циклы возвращают NULL в качестве своего значения. Простой способ продемонстрировать это - test <- for(x in 1:3){x}; test, который возвращает NULL.

Чтобы исправить это, вы можете завершить свою функцию с помощью return(df) или просто df.

Однако, чтобы решить суть вашей проблемы, в пакете dplyr есть функция lag, которая может оказаться вам полезной (testdata$j <- ifelse(is.na(testdata$j), lag(testdata$j), testdata$j)))

person Daniel V    schedule 13.11.2019