R语言如何使用特定分布生成的随机数填充数据中的NA值

直接用R内置函数即可快速实现，无需安装第三方包：

• 核心逻辑：先定位目标列的所有NA位置，统计缺失值总数量，生成同等数量、符合指定分布的随机数后，直接替换对应位置的NA即可。

针对你给出的示例数据，具体实现代码如下：

# 构造示例数据框
df <- data.frame(id = c(1,1,1,2,2,NA,2,3,NA,5,5,NA,9,9))

# 统计id列的缺失值总数
na_count <- sum(is.na(df$id))
# 生成对应数量的Uniform(4,8)随机数，替换所有NA
df$id[is.na(df$id)] <- runif(n = na_count, min = 4, max = 8)

代码说明 #

• is.na(df$id)会返回等长的逻辑向量，标记id列每个位置是否为缺失值
• runif()是R内置的均匀分布随机数生成函数，三个参数分别对应生成随机数的个数、分布区间下限、分布区间上限，完全匹配你需要的4到8区间均匀分布的要求
• 如果需要插补结果可复现，在执行替换前加一行set.seed(任意整数)固定随机种子即可，比如set.seed(123)，后续每次运行代码得到的插补值都会保持一致。

如果需要对数据框内所有数值列批量执行同规则的插补，可以用以下代码：

df <- as.data.frame(
  lapply(df, function(col) {
    if (is.numeric(col)) {
      na_cnt <- sum(is.na(col))
      col[is.na(col)] <- runif(na_cnt, min = 4, max = 8)
    }
    col
  })
)

内容的提问来源于stack exchange，提问作者Bae