пропущенные значения - метод соседей Hot Deck

Question

У меня проблема с кодом R, скорее, с отсутствующими значениями. Не знаю, как на самом деле вменять эти значения с помощью простого метода Hot Deck. Как, например, имея эти данные.

1  10000123  111  112820 0.24457235         NA        NA         NA         NA     11
2  10000132  111 2502357 0.19408587 0.19373610 0.6567305 0.01454520 0.13498823     69
3  10000388  111 4472360 0.14774927 0.14918678 0.6853377 0.05233508 0.11314044    106
4  10000792  111  666909 0.10520063         NA        NA         NA         NA     14
5  10002737  111 1139613 0.19944986 0.20114918 0.3564355 0.20135391 0.24106136     23
6  10002741  111  981574 0.11573570         NA        NA         NA         NA     13
7  10002929  111 1417192 0.08770932 0.08387991 0.6106012 0.11078473 0.19473415     24
8  10003396  111  444966 0.19026263 0.18784110 0.5215772 0.16844381 0.12213789     24
9  10003517  111 1230589 0.16393216 0.16358568 0.4614005 0.26670712 0.10830670     19
10 10003546  111  760847 0.12384748         NA        NA         NA         NA     10

Используя 5-й столбец, нужно найти ближайшее значение, а затем заполнить этим же респондентом в тех местах, где находятся значения NA.

Спасибо.

Answer 1

Я никогда не использовал горячую (или холодную в этом отношении) выборку из колоды. Однако небольшое прибегание к гуглу привело меня к функции rrp.impute в пакете rrp.

Вот простой пример использования некоторых синтетических данных:

install.packages("rrp")
require(rrp)
set.seed(1)
key <- 1:100
## create random values
value1 <- 10 + 2 * key + rnorm(100, 0, 10)
## make 5 values into NAs
missing <- sample( key, 5)
value1[missing] <- NA
## build a dataframe
df <- data.frame(key, value1)
## do a nearest neighbor hot deck interpolation
imputed <- rrp.impute( df )$new.data

## let's visualize this magic
plot( df)
points(missing, imputed$value1[missing], col="red")

При этом используется значение по умолчанию k = 1, и я думаю, что вы этого хотите. Красивая картинка в конце выглядит так:

Красные круги - это вмененные значения, и вы можете видеть, что они просто ближайший сосед.

Answer 2

Я не знаю, есть ли готовый пакет R, но это помогает:

dfr<-data.frame(c1=c(123,132,388,792,2737,2741,2929,3396,3517,3546),
 c2=c(0.244,0.194,0.47,0.105,0.199,0.115,0.087,0.190,0.163,0.123),
 c3=c(NA, 0.193,0.149, NA, 0.201, NA, 0.083,0.187,0.163,NA))

hdidx<-which(!is.na(dfr[,3]))
hd<-dfr[hdidx,]
md<-dfr[-hdidx,]
closesthd<-sapply(md[,2], function(curval){which.min(abs(curval-hd[,2]))})
md[,3]<-hd[closesthd,3]

Замените номера столбцов там, где это необходимо для вашего случая + возможно, предпримите другую меру расстояния.