R: Interpolation des NA par le groupe

Question

Je voudrais effectuer une interpolation linéaire dans une variable d'une trame de données qui prend en compte: 1) le décalage temporel entre les deux points, 2) le moment où les données ont été prises et 3) l'individu pris pour mesurer la variable.

Par exemple, dans la prochaine dataframe:

df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3), 
      Individuals=c(1,1,1,1,1,1,1,2,2,2), 
      Value=c(1, 2, 3, NA, 5, NA, 7, 5, NA, 7)) 
    df 

Je voudrais obtenir:

result <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3), 
       Individuals=c(1,1,1,1,1,1,1,2,2,2), 
       Value=c(1, 2, 3, 4, 5, 6, 7, 5, 5.5, 6)) 
result 

Je ne peux pas utiliser exclusivement la fonction na.approx du paquet zoo parce que toutes les observations ne sont pas consécutives, certains les observations appartiennent à un individu et les autres observations appartiennent à d'autres. La raison est parce que si le deuxième individu aurait sa première obstruction avec NA et j'utiliserais exclusivement la fonction na.approx, j'utiliserais l'information du individual==1 pour interpoler le NA du individual==2 (par exemple le cadre de données suivant aurait telerror)

df_2 <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3), 
       Individuals=c(1,1,1,1,1,1,1,2,2,2), 
       Value=c(1, 2, 3, NA, 5, NA, 7, NA, 5, 7)) 
    df_2 

J'ai essayé d'utiliser les paquets zoo et dplyr:

library(dplyr) 
library(zoo) 
proof <- df %>% 
    group_by(Individuals) %>% 
    na.approx(df$Value) 

Mais je ne peux pas effectuer group_by dans un objet zoo. Savez-vous comment interpoler NA valeurs dans une variable par groupes?

Merci à l'avance,

Answer 1

Utilisez data.frame, plutôt que cbind pour créer vos données. cbind renvoie une matrice, mais vous avez besoin d'une trame de données pour dplyr. Ensuite, utilisez na.approx à l'intérieur de mutate. J'ai commenté group_by, car vous n'avez pas fourni la variable de regroupement dans vos données, mais l'approche devrait fonctionner une fois que vous avez ajouté la variable de regroupement à la trame de données.

df <- data.frame(time=c(1,2,3,4,5,6,7,1,2,3), 
      Individuals=c(1,1,1,1,1,1,1,2,2,2), 
      Value=c(NA, 2, 3, NA, 5, NA, 7, 8, NA, 10)) 

library(dplyr) 
library(zoo) 

df %>% 
    group_by(Individuals) %>% 
    mutate(ValueInterp = na.approx(Value, na.rm=FALSE)) 

    time Individuals Value ValueInterp 
1  1   1 NA   NA 
2  2   1  2   2 
3  3   1  3   3 
4  4   1 NA   4 
5  5   1  5   5 
6  6   1 NA   6 
7  7   1  7   7 
8  1   2  8   8 
9  2   2 NA   9 
10 3   2 10   10 

Answer 2

Nous pouvons utiliser data.table

library(data.table) 
library(zoo) 
setDT(df1)[, ValueInterp:= na.approx(Value, na.rm=TRUE), by = Individual]