在R中对多变量使用cumsum()时的NA值处理问题

核心思路 #

要保留原数据的所有时间行，同时计算连续的累积和，关键是把NA值替换为0（代表该时间点无对应物种个体），再用cumsum()计算，这样得到的累积和变量长度和原数据完全一致，可直接用于线性模型。

具体代码 #

# 计算Whiting的累积和：将NA替换为0后累加
fish1$run.whit <- cumsum(replace(fish1$Whiting, is.na(fish1$Whiting), 0))

# 计算Cod的累积和：同理处理NA
fish1$run.cod <- cumsum(replace(fish1$Cod, is.na(fish1$Cod), 0))

对原有问题的说明 #

• 子集化数据的方式会丢失原时间行，导致不同物种的累积和变量长度不一致，无法合并回原数据框用于lm()建模。
• 用ifelse()把非正值替换为NA的做法会让cumsum()在遇到第一个NA后，后续所有值都变成NA，这是因为cumsum()默认会传递NA值，所以这种方式不可取。

示例结果 #

处理后的fish1数据如下：

这样所有变量长度一致，直接可以用于线性模型：

lm(Time ~ run.whit + run.cod, data = fish1)

内容的提问来源于stack exchange，提问作者c_dev