Небольшой воспроизводимый пример:
library(zoo)
set.seed(1)
m <- matrix(runif(16, 0, 100), nrow = 4)
missing_values <- sample(16, 7)
m[missing_values] <- NA
m
[,1] [,2] [,3] [,4]
[1,] 26.55087 20.16819 62.911404 68.70228
[2,] 37.21239 NA 6.178627 38.41037
[3,] NA NA NA NA
[4,] 90.82078 66.07978 NA NA
na.approx(m)
[,1] [,2] [,3] [,4]
[1,] 26.55087 20.16819 62.911404 68.70228
[2,] 37.21239 35.47206 6.178627 38.41037
[3,] 64.01658 50.77592 NA NA
[4,] 90.82078 66.07978 NA NA
m[4, 4] <- 50
na.approx(m)
[,1] [,2] [,3] [,4]
[1,] 26.55087 20.16819 62.911404 68.70228
[2,] 37.21239 35.47206 6.178627 38.41037
[3,] 64.01658 50.77592 NA 44.20519
[4,] 90.82078 66.07978 NA 50.00000
Да, похоже, вам нужны начальные / конечные значения столбцов, или интерполяция не работает.Можете ли вы угадать значения для ваших границ?
ДРУГОЕ РЕДАКТИРОВАНИЕ: Таким образом, по умолчанию вам нужно знать начальное и конечное значения столбцов.Однако можно получить na.approx, чтобы всегда заполнять пробелы, передавая rule = 2.Смотрите ответ Феликса.Вы также можете использовать na.fill для предоставления значения по умолчанию, согласно комментарию Габора.Наконец, вы можете интерполировать граничные условия в двух направлениях (см. Ниже) или угадывать граничные условия.
РЕДАКТИРОВАТЬ: Дополнительная мысль.Поскольку na.approx интерполируется только по столбцам, а ваши данные пространственны, возможно, интерполяция по строкам также будет полезна.Тогда вы могли бы взять среднее значение.
na.approx терпит неудачу, когда целые столбцы равны NA, поэтому мы создаем больший набор данных.
set.seed(1)
m <- matrix(runif(64, 0, 100), nrow = 8)
missing_values <- sample(64, 15)
m[missing_values] <- NA
Запуск na.approx в обе стороны.
by_col <- na.approx(m)
by_row <- t(na.approx(t(m)))
Узнайте лучшие догадки.
default <- 50
best_guess <- ifelse(is.na(by_row),
ifelse(
is.na(by_col),
default, #neither known
by_col #only by_col known
),
ifelse(
is.na(by_col),
by_row, #only by_row known
(by_row + by_col) / 2 #both known
)
)