我的数据是这个
train <- data.frame(y=c(1,2,1,1),x1=c(2,4,NA,5),x2=c(8,6,12))
我需要用该列的平均值替换每个x变量的缺失值（NA），但是平均值必须使用该x变量的值进行计算，该x变量的对应y值等于该行的y值缺失的价值。
例如：在x1列的NA所在的行中，y值等于1，因此该缺失值应替换为2到5之间的平均值（这是y为x的x1值）也是1）。
我的代码是这样的，但均值不是有条件的：
for(i in 1:ncol(train)){
train[is.na(train[,i]),i] <- mean(train[,i],na.rm = TRUE)
}
library(dplyr)
train %>%
group_by(y) %>%
mutate_at(vars(-y),function(v){
if_else(is.na(v),mean(v,na.rm = TRUE),v)
}) %>%
ungroup()
## A tibble: 4 x 3
# y x1 x2
# <dbl> <dbl> <dbl>
#1 1 2 8
#2 2 4 NaN
#3 1 3.5 6
#4 1 5 12
按“ y”列分组后，我们可以使用na.aggregate
library(dplyr)
library(zoo)
train %>%
group_by(y) %>%
mutate_at(vars(-one_of(group_vars(.))),~if(all(is.na(.))) NA_real_ else na.aggregate(.))
# A tibble: 4 x 3
# Groups: y [2]
# y x1 x2
# <dbl> <dbl> <dbl>
#1 1 2 8
#2 2 4 NA
#3 1 3.5 6
#4 1 5 12
或在基于{y1列} na.aggregate将数据集放入split个list中的data.frame后应用train[-1] <- unsplit(lapply(split(train[-1],train$y),na.aggregate),train$y)
-k请考虑使用ave来确定是否将ifelse的条件包裹在NA中的分组平均值：
# ITERATE THROUGH ALL COLUMNS BUT FIRST
for(i in c("x1","x2")) {
train[[i]] <- ifelse(test = is.na(train[[i]]),yes = ave(train[[i]],train$y,FUN=function(x) mean(x,na.rm=TRUE)),no = train[[i]])
}
train
# y x1 x2
# 1 1 2.0 8
# 2 2 4.0 NaN
# 3 1 3.5 6
# 4 1 5.0 12