如何在R语言中基于最近邻点为含NA值的点赋值？

原始数据集 #

我有一个包含X、Y坐标和value列的数据集，结构如下：

df <- data.frame(ID=c(1,2,3,4,5,6,7),
                 X=c(420729, 420329, 518020, 518013, 517620, 517604, 518024),
                 Y=c(32072, 32032, 41802, 41801, 41762, 41760, 41802),
                 value=c(123, 42, NA, 22, NA, 55, 43))

需求 #

我想要给value列中含NA值的点，赋予其最近邻非NA点的value值。

当前操作遇到的问题 #

我尝试用RANN包的nn2函数找最近邻，但操作时需要删除value列：

df1 <- subset(df, select=-c(value)) # 修正原代码拼写错误
closest <- nn2(data=df1, k=2)[[1]]

得到的最近邻索引如下：

[,1] [,2]
[1,]    1    2
[2,]    2    1
[3,]    3    7
[4,]    4    3
[5,]    5    6
[6,]    6    5
[7,]    7    3

现在我有两个问题：

• 不知道如何把最近邻的value值赋值给NA的点
• 如果最近邻本身也是NA，能不能直接查找距离最近的非NA点来填充

期望的最终数据集 #

最终想要得到如下结果：

df3 <- data.frame(ID=c(1,2,3,4,5,6,7),
                 X=c(420729, 420329, 518020, 518013, 517620, 517604, 518024),
                 Y=c(32072, 32032, 41802, 41801, 41762, 41760, 41802),
                 value=c(123, 42, 43, 22, 55, 55, 43))

解决方案 #

方法1：直接基于非NA点查找最近邻（推荐） #

这种方法直接以所有非NA点为参考集，确保找到的最近邻一定是有值的点，无需后续判断：

library(RANN)

# 拆分有值和缺失值的子集
has_value <- df[!is.na(df$value), ]
missing_value <- df[is.na(df$value), ]

# 为缺失值点匹配最近的非NA点
nn_result <- nn2(data = has_value[, c("X", "Y")], 
                 query = missing_value[, c("X", "Y")], 
                 k = 1)

# 填充缺失值
missing_value$value <- has_value$value[nn_result$nn.idx[, 1]]

# 合并并按ID排序得到最终结果
df_filled <- rbind(has_value, missing_value)
df_filled <- df_filled[order(df_filled$ID), ]

print(df_filled)

方法2：基于已有的最近邻索引处理 #

如果已经计算了全量最近邻，可以循环检查邻居是否为NA，直到找到第一个非NA值：

library(RANN)

# 重新计算正确的最近邻索引
closest <- nn2(data=subset(df, select=-c(value)), k=2)[[1]]

# 遍历填充缺失值
for(i in 1:nrow(df)){
  if(is.na(df$value[i])){
    # 从第2个邻居开始查找（第1个是自身）
    neighbor_idx <- closest[i, 2]
    # 如果当前邻居是NA，继续查找该邻居的最近邻
    while(is.na(df$value[neighbor_idx])){
      # 若存在连续NA，建议增大nn2的k值获取更多邻居选项
      neighbor_idx <- closest[neighbor_idx, 2]
    }
    df$value[i] <- df$value[neighbor_idx]
  }
}

print(df)

说明 #

• 方法1更高效，直接规避了邻居为NA的问题，适合大部分场景
• 方法2适合已计算好全量最近邻的情况，但需注意连续NA的场景要增大nn2的k参数，避免循环问题

内容的提问来源于stack exchange，提问作者Star Cha