用面板資料中特定國家的上一年值替換NA

我合并了兩個資料框，分別稱為 A 和 B。其中一個包含每年重要變數的值，其中包含一些缺失的資料，我將分別處理這些資料。第二個只有某些年份（選舉年）的值。這是跨國面板資料，具有國家年觀察單位，因此在任何操作中區分國家和年份非常重要。合并后，非選舉年的第二個資料幀中的資料具有預期的 NA 值。這些 NA 需要填寫該特定國家/地區上次選舉的資料，直到該國家/地區的下一次選舉為止。我不想為資料幀 A 中的資料填充任何 NA。

（對于那些可能有理論問題的人，B的資料是關于執政黨的，因此以這種方式填寫資料在理論上是合理的。）

如果我按國家/地區對資料進行子集化，我可以使用 tidy::fill 函式輕松完成此操作，方法是僅選擇包含來自 B 的資料的列。對于所有國家/地區的完整資料框，我不能這樣做，因為在某些情況下它會用資料框中前一國家的值填充一個國家的開始年份。

這是資料排列的最小示例（請記住，實際資料中實際上有 190 個國家和 9282 個觀測值）：

country <- c("Austria","Austria","Austria","Austria","Austria",
         "Belgium","Belgium","Belgium","Belgium","Belgium")
year <- c("1999","2000","2001","2002","2003",
      "1999","2000","2001","2002","2003")
a1 <- c(5,4,NA,4,3,6,2,9,NA,7)
a2 <- c(45,53,57,51,33,37,12,48,55,41)
b1 <- c(NA,"A",NA,NA,NA,NA,NA,"B",NA,"C")
b2 <- c(NA,7,NA,NA,NA,NA,NA,5,NA,7)
df <- data.frame(country,year,a1,a2,b1,b2)

這是我想要生產的：

在示例中，簡單地使用 tidy::fill 將導致比利時 1999 年和 2000 年的值不正確，因為它將填充來自奧地利的值。

uj5u.com熱心網友回復：

正如Peace Wang在評論中所建議的那樣，您只需要group_by(country)。您可以tidy-select專門fill利用 df B 中的列。

library(tidyverse)

country <- c("Austria","Austria","Austria","Austria","Austria",
             "Belgium","Belgium","Belgium","Belgium","Belgium")
year <- c("1999","2000","2001","2002","2003",
          "1999","2000","2001","2002","2003")
a1 <- c(5,4,NA,4,3,6,2,9,NA,7)
a2 <- c(45,53,57,51,33,37,12,48,55,41)
b1 <- c(NA,"A",NA,NA,NA,NA,NA,"B",NA,"C")
b2 <- c(NA,7,NA,NA,NA,NA,NA,5,NA,7)
df <- data.frame(country,year,a1,a2,b1,b2)

df %>% 
  group_by(country) %>% 
  arrange(year) %>% 
  fill(starts_with("b"), .direction = "down") %>% 
  arrange(country)
#> # A tibble: 10 x 6
#> # Groups:   country [2]
#>    country year     a1    a2 b1       b2
#>    <chr>   <chr> <dbl> <dbl> <chr> <dbl>
#>  1 Austria 1999      5    45 <NA>     NA
#>  2 Austria 2000      4    53 A         7
#>  3 Austria 2001     NA    57 A         7
#>  4 Austria 2002      4    51 A         7
#>  5 Austria 2003      3    33 A         7
#>  6 Belgium 1999      6    37 <NA>     NA
#>  7 Belgium 2000      2    12 <NA>     NA
#>  8 Belgium 2001      9    48 B         5
#>  9 Belgium 2002     NA    55 B         5
#> 10 Belgium 2003      7    41 C         7

^{由reprex 包(v0.3.0)于 2021 年 12 月 26 日創建}

uj5u.com熱心網友回復：

我認為組中的locf（最后一次觀察結轉）nafill 方法country是您想要的。

library(data.table)
df = setDT(df)

cols = c("b1","b2")
df[,(cols):= lapply(.SD, zoo::na.locf, na.rm = FALSE),
    .SDcols = cols, 
    by = .(country)]

# data.table::nafill now can only process numeric columns, e.g. 
# df[, b2 := nafill(b2, type = c("locf"), by = .(country)]

uj5u.com熱心網友回復：

你可以打開黑匣子然后做

toIm <- c("b1", "b2")

do.call(rbind, c(by(dat, dat$country, \(z) {
  z[toIm] <- lapply(z[toIm], \(y) {
    unlist(by(y, cumsum(!is.na(y)), \(x) 
              by(x, cumsum(!is.na(x)), \(w) rep(w[1], length(w)))))
  })
  z
}), make.row.names=F))
#    country year a1 a2   b1 b2
# 1  Austria 1999  5 45 <NA> NA
# 2  Austria 2000  4 53    A  7
# 3  Austria 2001 NA 57    A  7
# 4  Austria 2002  4 51    A  7
# 5  Austria 2003  3 33    A  7
# 6  Belgium 1999  6 37 <NA> NA
# 7  Belgium 2000  2 12 <NA> NA
# 8  Belgium 2001  9 48    B  5
# 9  Belgium 2002 NA 55    B  5
# 10 Belgium 2003  7 41    C  7

筆記： R version 4.1.2 (2021-11-01)

資料：

dat <- structure(list(country = c("Austria", "Austria", "Austria", "Austria", 
"Austria", "Belgium", "Belgium", "Belgium", "Belgium", "Belgium"
), year = c(1999L, 2000L, 2001L, 2002L, 2003L, 1999L, 2000L, 
2001L, 2002L, 2003L), a1 = c(5L, 4L, NA, 4L, 3L, 6L, 2L, 9L, 
NA, 7L), a2 = c(45L, 53L, 57L, 51L, 33L, 37L, 12L, 48L, 55L, 
41L), b1 = c(NA, "A", NA, NA, NA, NA, NA, "B", NA, "C"), b2 = c(NA, 
7L, NA, NA, NA, NA, NA, 5L, NA, 7L)), class = "data.frame", row.names = c(NA, 
-10L))

標籤：r 数据框 整理

上一篇：R中的trycatch范圍

下一篇：如何用R繪圖