使用每行avg与stdev生成正态随机数替换data.table中NA值求助

你的核心需求是用每行自己的avg和stdev生成正态分布随机数，替换该行的NA值。之前的代码没达到预期，主要问题在于按列循环时，你只生成了单个随机数来替换整列的NA，没有对应到每行的参数，而且这种循环方式也没有利用data.table的矢量化优势。

问题分析 #

你原来的代码：

for (col in colnames(dt)) dt[is.na(get(col)), (col) := rnorm(1,mean=(avg),sd=(stdev))]

这里的rnorm(1,...)只会生成一个随机数，然后把该列所有NA都替换成这个数——但不同行的NA对应的avg和stdev是不一样的，所以结果肯定不符合预期。

正确的解决方案 #

我们可以利用data.table的矢量化操作，高效地为每个NA位置生成对应行参数的随机数，代码如下：

library(data.table)

# 构造你的数据表
dt <- data.table(
  V1 = c(-1, NA, 10),
  V2 = c(-2, 3, 15),
  V3 = c(NA, 5, 20),
  V4 = c(NA, NA, NA),
  V5 = c(-3, 7, NA),
  avg = c(-2, 5, 15),
  stdev = c(.82, 1.63, 4.08)
)

# 1. 定义需要填充NA的列（排除avg和stdev）
cols_to_fill <- setdiff(colnames(dt), c("avg", "stdev"))

# 2. 矢量化填充NA：为每个NA生成对应行参数的随机数
dt[, (cols_to_fill) := lapply(.SD, function(col) {
  # 对每一列，用对应行的avg/stdev生成随机数替换NA
  ifelse(is.na(col), rnorm(.N, mean = avg, sd = stdev), col)
}), .SDcols = cols_to_fill]

# 查看结果
print(dt)

代码解释 #

• cols_to_fill：筛选出需要处理的列（V1到V5），避免修改avg和stdev列；
• .SDcols = cols_to_fill：告诉data.table只在指定列上操作；
• lapply(.SD, function(col) {...})：对每个目标列进行处理；
• rnorm(.N, mean = avg, sd = stdev)：生成一个与数据表行数相同的随机数向量，每个元素对应该行的均值和标准差；
• ifelse(is.na(col), ..., col)：精准替换列中的NA位置，非NA值保持不变。

可选优化：可重复的随机数 #

如果需要固定生成的随机数（方便调试或复现结果），可以在运行代码前设置随机种子：

set.seed(123) # 任意数字都可以

这样处理后，每行的NA都会被对应行参数生成的正态随机数替换，完全符合你的需求。

内容的提问来源于stack exchange，提问作者FG7