R语言：如何按city、tr分组用已有数据均值替换NA值

需求说明：需将数据框中values列的NA值，替换为相同city和tr分组下已有非NA数据的均值。例如PE城市T1时段CN组的NA，用PE城市T0时段CN组的均值替换；T1时段TN组的NA用对应分组均值替换。

可复现代码：

city <- c(rep("PE", 12), rep("BN", 12), rep("CA", 12))  
time <- c(rep("T0",6 ), rep("T1", 6), rep("T0",6 ), rep("T1", 6), rep("T0",6), rep("T1", 6))
tr <- c(rep("CN", 3), rep("TN", 3), rep("CN", 3), rep("TN", 3),rep("CN", 3), rep("TN", 3), rep("CN", 3), rep("TN", 3), rep("CN", 3), rep("TN", 3), rep("CN", 3), rep("TN", 3))
values<- c(20, 15,32, 16,42,56, rep(NA, 6), 23, 10,14, 41,34,56, rep(NA, 6), 23, 11,14, 21,35,46, rep(NA, 6))
df <- data.frame(city, time, tr, values)

解决方案 #

方法1：使用dplyr包 #

通过分组计算均值，批量替换NA值：

library(dplyr)

df_filled <- df %>%
  group_by(city, tr) %>%
  # 计算分组内非NA值的均值，替换对应分组的NA
  mutate(values = ifelse(is.na(values), mean(values, na.rm = TRUE), values)) %>%
  ungroup()

方法2：使用data.table包（适合大数据场景） #

library(data.table)

# 转换为data.table格式
setDT(df)
# 按city和tr分组，替换NA为分组均值
df[, values := ifelse(is.na(values), mean(values, na.rm = TRUE), values), by = .(city, tr)]

验证结果 #

以PE城市为例：

• CN组非NA值为20、15、32，均值为(20+15+32)/3 = 22.333...，T1时段CN组的NA会被替换为该值
• TN组非NA值为16、42、56，均值为(16+42+56)/3 = 38，T1时段TN组的NA会被替换为该值

内容的提问来源于stack exchange，提问作者i.b