学徒讨论-在数据框里面使用每列的平均值替换NA
最近学徒群在讨论一个需求，就是用数据框的每一列的平均数替换每一列的NA值。但是问题的提出者自己的代码是错的，如下：
他认为替换不干净，应该是循环有问题。希望我们帮忙检查，我通常是懒得看其他人写的代码，所以让群里的小伙伴们有空的都尝试写一下。
答案一：双重for循环
我同样是没有细看这个代码，但是写出双重for循环肯定是没有理解R语言的便利性。
#我好像试着写出来了，上面的这个将每一列的NA替换成每一列的平均值。
#代码如下，请各位老师瞅瞅有没有毛病。
tmp <- data.frame(a=c(1:5,NA,6:9),
b=c(NA,sample(1:100,9)),
c=c(sample(1:50,3),NA,sample(1:50,4),NA,NA),
d=c(sample(1:40,9),NA),
e=c(sample(1:50,5),NA,NA,NA,NA,NA))
out <- list()
for (i in 1:ncol(tmp)) {
out[[i]] <- which(is.na(tmp[,i]))
for (y in 1:length(out[[i]])) {
tmp[out[[i]][y],i] <- mean(tmp[[i]],na.rm = T)
}
}
答案的提出者自己还点评了一句：我是这么想的，也不知道对不对，希望各位老师能指正一下：因为tmp数据框中，NA个数不唯一，我还想获取他们的横坐标的话，输出的结果就为一个list而不是一个数据框了。所以我在全局环境里面设置了一个空的list，然后每一列占据了list的一个元素的位置。list的每个元素里面包括了NA的横坐标。
答案二：使用Hmisc的impute函数
我给出的点评是：这样的偷懒大法好！使用Hmisc的impute函数可以输入指定值来替代NA值做简单插补，平均数、中位数、众数。
rm(list = ls())
tmp <- data.frame(a=c(1:5,NA,6:9),
b=c(NA,sample(1:100,9)),
c=c(sample(1:50,3),NA,sample(1:50,4),NA,NA),
d=c(sample(1:40,9),NA),
e=c(sample(1:50,5),NA,NA,NA,NA,NA))
library(Hmisc)
me1=as.data.frame(apply(tmp, 2, function(x){
impute(x,mean)}))
最后一个也是很差的答案
tmp <- data.frame(a=c(1:5,NA,6:9),
b=c(NA,sample(1:100,9)),
c=c(sample(1:50,3),NA,sample(1:50,4),NA,NA),
d=c(sample(1:40,9),NA),
e=c(sample(1:50,5),NA,NA,NA,NA,NA))
#ifelse(is.na(tmp),apply(tmp,2,mean,na.rm=T))
tmp <- rbind(tmp,apply(tmp, 2, mean,na.rm=T))
for (i in 1:dim(tmp)[2]) {
tmp[,i][is.na(tmp[,i])] <- tmp[nrow(tmp),i]
}
tmp
我的答案
不知道为啥，大家好像一直无法get到R语言编程的便利性！
a=1:1000
a[sample(a,100)]=NA
dim(a)=c(20,50)
a
# 按照列，替换每一列的NA值为该列的平均值
b=apply(a,2,function(x){
x[is.na(x)]=mean(x,na.rm = T)
return(x)
})
大家可以对比一下，看看自己的R语言水平停留在哪一个答案的水平
学徒作业
把 melt 和dcast函数，自己写一遍自定义函数实现同样的功能，就数据框的长-宽转换！
学徒培养模式
作为全网第一个全栈生信工程师，史上最大中文生物信息学交流社区-生信技能树联盟的创始人 jimmy，在这里第二次郑重宣布： 招学徒！
你可以先看看我是如何培养学徒的：
学徒培养模式已经走过了一个年头，期间约20名学徒成功出师：
很多学徒出师后加入了我们生物信息学知识整理和分享的队伍，大家其实已经在生信技能树/生信菜鸟团/单细胞天地等公众号看到他们的身影
一些学徒出师后成功从湿实验工作者转行成为了生信工程师
几个学徒选择了生物信息学方向的读研出国深造
几个学徒选择了入职我们公司，赞！
总体来说，是一个非常成功的技能教学培养模式，是一个很好的开局，预祝第二个年头做的更棒。