r - 按组均值估算缺失数据

我有一个带有三个级别的类别变量(A，B和C)。

我也有一个连续变量，上面有一些缺失的值。

我想将NA值替换为其组的平均值。也就是说，必须将A组中缺少的观察结果替换为A组中的平均值。

我知道我可以计算每个组的均值并替换缺失的值，但是我敢肯定，还有另一种方法可以通过循环更有效地做到这一点。

A <- subset(data, group == "A")
mean(A$variable, rm.na = TRUE)
A$variable[which(is.na(A$variable))] <- mean(A$variable, na.rm = TRUE)

现在，我知道我可以对B和C组执行相同的操作，但是也许for循环(带有if和else)可以解决问题？

最佳答案

require(dplyr)
data %>% group_by(group) %>%
mutate(variable=ifelse(is.na(variable),mean(variable,na.rm=TRUE),variable))

对于更快的base-R版本，可以使用ave:

data$variable<-ave(data$variable,data$group,FUN=function(x)
  ifelse(is.na(x), mean(x,na.rm=TRUE), x))

关于r - 按组均值估算缺失数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55345593/