如何在两栏适用条件下填充另一栏

Question

我试图执行一个非常简单的数据填写：我有两列相同的测量数据，这两个数据栏位于相距几英里的两个不同位置。位置1比位置2更完整，并且我想通过将系数（loc1/loc2）应用于1来完成第二个。我的问题是它是关于天气值，随着一天考虑，所以对我的所有数值应用相同的平均系数并不理想。我首先LOC1和当天的值了平均系数，但对于没有LOC2值的日子里，我想：

• 通过用相同LOC1值计算COEF代替NA在“COEF的价值
• ，但有一段时间超过一个COEF每个LOC1值，所以当有不止一个，这将是优先于当日测得的一个

• ，并在没有COEF价值可言了一个loc1值，则coef将与该loc1值+/-一个区间（最接近要完成的最接近的日期的loc1值的系数）相同。 下面是它的样子：

  loc1 Date  Coef loc2 
  1  12 204  3  4 
  2  8 147  4  2 
  3  8 204  NA NA 
  4  10 147  NA NA 
  5  10 158  NA NA 
  6  6 159  3  2 
  7  6 162  NA NA 
  8  6 170  2  3 
  9  .3 175 0.4833333 0.145 
  10  0.3 204  NA NA 
  11  0.4 146  NA NA 
  12  0.4 147  NA NA 
  

我敢肯定有这样做的一个非混乱的方式，而是用我有限的知识使用ifelse或ddply，我没有得到任何接近我想要的到底。我觉得循环可以做到这一点，但我不知道如何......

任何想法将不胜感激！提前谢谢了 ！

Answer 1

我完全不明白你在弹头3的意思：

当没有COEF价值可言了一个LOC1值，那么COEF会比那LOC1值相同+/-一个区间（距离要完成的最接近的日期的最接近的loc1值的系数）

所以我没有对该部分的答案，但是这可能会让你有一些方法：

library(dplyr) 

df <- tibble::tribble(
    ~loc1, ~Date,  ~Coef, ~loc2, 
    12, 204L,   3,  4, 
    8, 147L,   4,  2, 
    8, 204L,  NA, NA, 
    10, 147L,  NA, NA, 
    10, 158L,  NA, NA, 
    6, 159L,   3,  2, 
    6, 162L,  NA, NA, 
    6, 170L,   2,  3, 
    3, 175L, 0.4833333, 0.145, 
    0.3, 204L,  NA, NA, 
    0.4, 146L,  NA, NA, 
    0.4, 147L,  NA, NA 
) 

df %>% 
    # Replace Coef with the coef of same loc1 and same day 
    group_by(loc1, Date) %>% 
    mutate(Coef = if_else(!is.finite(Coef), mean(Coef, na.rm = TRUE), Coef)) %>% 
    # For ones without same day and loc1, use the average of all days at loc1 
    group_by(loc1) %>% 
    mutate(Coef = if_else(!is.finite(Coef), mean(Coef, na.rm = TRUE), Coef)) %>% 
    ungroup() %>% 
    # Then complete the loc2 with using the completed Coef and loc1 
    mutate(loc2 = if_else(!is.finite(loc2), loc1 * Coef, loc2)) 

#> # A tibble: 12 x 4 
#>  loc1 Date  Coef loc2 
#> <dbl> <int>  <dbl> <dbl> 
#> 1 12.0 204 3.0000000 4.000 
#> 2 8.0 147 4.0000000 2.000 
#> 3 8.0 204 4.0000000 32.000 
#> 4 10.0 147  NaN NaN 
#> 5 10.0 158  NaN NaN 
#> 6 6.0 159 3.0000000 2.000 
#> 7 6.0 162 2.5000000 15.000 
#> 8 6.0 170 2.0000000 3.000 
#> 9 3.0 175 0.4833333 0.145 
#> 10 0.3 204  NaN NaN 
#> 11 0.4 146  NaN NaN 
#> 12 0.4 147  NaN NaN