如何利用行列总计反向计算填充数据集的列缺失值（NA）

针对你的带行列总计的缺失值补全需求，可以分两步处理：先补全行内缺失值，再利用列总计补全剩余缺失值。以下是R和Python的具体实现：

R 实现 #

# 读取CSV数据
df <- read.csv("your_data.csv", stringsAsFactors = FALSE)

# 1. 补全行内缺失值（基于行总计VS）
row_indices <- df$ID != "AS"
for (i in which(row_indices)) {
  row_vals <- df[i, c("V1", "V2", "V3")]
  sum_non_na <- sum(row_vals, na.rm = TRUE)
  na_positions <- which(is.na(row_vals))
  if (length(na_positions) > 0) {
    df[i, na_positions + 1] <- df[i, "VS"] - sum_non_na
  }
}

# 2. 补全列内缺失值（基于列总计AS行）
col_names <- c("V1", "V2", "V3")
total_vals <- df[df$ID == "AS", col_names]
for (col in col_names) {
  col_vals <- df[row_indices, col]
  sum_non_na <- sum(col_vals, na.rm = TRUE)
  na_positions <- which(is.na(col_vals))
  if (length(na_positions) > 0) {
    df[na_positions, col] <- total_vals[[col]] - sum_non_na
  }
}

# 查看补全后的结果
print(df)

Python Pandas 实现 #

import pandas as pd

# 读取CSV数据
df = pd.read_csv("your_data.csv")

# 1. 补全行内缺失值（基于行总计VS）
non_total_rows = df["ID"] != "AS"
for idx, row in df[non_total_rows].iterrows():
    row_sum = row[["V1", "V2", "V3"]].sum(skipna=True)
    na_cols = row[["V1", "V2", "V3"]].isna()
    if na_cols.any():
        df.loc[idx, na_cols] = row["VS"] - row_sum

# 2. 补全列内缺失值（基于列总计AS行）
total_row = df[df["ID"] == "AS"].iloc[0]
cols_to_fill = ["V1", "V2", "V3"]
for col in cols_to_fill:
    col_vals = df[non_total_rows][col]
    col_sum = col_vals.sum(skipna=True)
    na_pos = col_vals.isna()
    if na_pos.any():
        df.loc[non_total_rows & na_pos, col] = total_row[col] - col_sum

# 输出补全后的结果
print(df)

逻辑说明 #

1. 行缺失补全：对每一行（排除总计行AS），用该行的总计VS减去该行已有的非缺失值之和，得到缺失值的补全数。比如示例中A2的V1 = 32 - (11+12) = 9。
2. 列缺失补全：在完成行补全后，对每一列（排除ID和VS），用该列的总计（AS行对应值）减去该列已有的非缺失值之和，得到剩余缺失值。比如示例中A3的V1 = 27 - (11+9) =7，V3=32-(13+12)=5。

内容的提问来源于stack exchange，提问作者benne