Skip to main content
cuerpo editado
Origen Enlace

Tengo el siguiente data frame.

df<-data.frame(PERSONA=c("A","A","A","B","B","B"),
               AÑO=c(2010,2011,2012,2010,2011,2013),
               VALOR=c(NA,2,3,3,NA,41))

df
  PERSONA  AÑO VALOR
        A 2010    NA
        A 2011     2
        A 2012     3
        B 2010     3
        B 2011    NA
        B 2013     41

Y deseo imputar los valores NA con el valor que se obtuvo en el máximo año. Es decir, que quede de la siguiente manera.

df
  PERSONA  AÑO VALOR
        A 2010     3
        A 2011     2
        A 2012     3
        B 2010     3
        B 2011     41
        B 2013     41

El NA de la persona A del año 2010 imputado con el valor del máximo año. Es decir, con 3 (Año 2012). Y el NA de la persona B del año 2011 imputado con el valor del máximo año. Es decir, con 41 (Año 2013).

Uso la siguiente sintaxis, pero creo que es una pasada monstruosa y horrible.

tab1<-df %>% select(PERSONA,AÑO, VALOR) %>% filter(!is.na(VALOR)) %>% 
  group_by(PERSONA) %>% summarise(va=max(AÑO)) 

df<-df %>% select(PERSONA,AÑO, VALOR) %>% inner_join(tab1,by=c("PERSONA","AÑO"="va")) %>%
  select(PERSONA,VALOR) %>% right_join(df, by="PERSONA")


df$VALOR.y<-ifelse(is.na(df$VALOR.y),df$VALOR.x,df$VALOR.y)

df$VALOR.x<-NULL

Uso el select() porque en el data frame hay más variables que PERSONA,AÑO y VALOR.
Asimismo, este proceso lo tengo que hacer para 43 variables. Así que no es nada eficiente lo que he hecho.

¿Cómo podría darle solución de una manera más ordenada y eficiente? Ya que necesariamente tendría que ponerlo dentro de un for o un for implícito.

Tengo el siguiente data frame.

df<-data.frame(PERSONA=c("A","A","A","B","B","B"),
               AÑO=c(2010,2011,2012,2010,2011,2013),
               VALOR=c(NA,2,3,3,NA,4))

df
  PERSONA  AÑO VALOR
        A 2010    NA
        A 2011     2
        A 2012     3
        B 2010     3
        B 2011    NA
        B 2013     4

Y deseo imputar los valores NA con el valor que se obtuvo en el máximo año. Es decir, que quede de la siguiente manera.

df
  PERSONA  AÑO VALOR
        A 2010     3
        A 2011     2
        A 2012     3
        B 2010     3
        B 2011     4
        B 2013     4

El NA de la persona A del año 2010 imputado con el valor del máximo año. Es decir, con 3 (Año 2012). Y el NA de la persona B del año 2011 imputado con el valor del máximo año. Es decir, con 4 (Año 2013).

Uso la siguiente sintaxis, pero creo que es una pasada monstruosa y horrible.

tab1<-df %>% select(PERSONA,AÑO, VALOR) %>% filter(!is.na(VALOR)) %>% 
  group_by(PERSONA) %>% summarise(va=max(AÑO)) 

df<-df %>% select(PERSONA,AÑO, VALOR) %>% inner_join(tab1,by=c("PERSONA","AÑO"="va")) %>%
  select(PERSONA,VALOR) %>% right_join(df, by="PERSONA")


df$VALOR.y<-ifelse(is.na(df$VALOR.y),df$VALOR.x,df$VALOR.y)

df$VALOR.x<-NULL

Uso el select() porque en el data frame hay más variables que PERSONA,AÑO y VALOR.
Asimismo, este proceso lo tengo que hacer para 43 variables. Así que no es nada eficiente lo que he hecho.

¿Cómo podría darle solución de una manera más ordenada y eficiente? Ya que necesariamente tendría que ponerlo dentro de un for o un for implícito.

Tengo el siguiente data frame.

df<-data.frame(PERSONA=c("A","A","A","B","B","B"),
               AÑO=c(2010,2011,2012,2010,2011,2013),
               VALOR=c(NA,2,3,3,NA,1))

df
  PERSONA  AÑO VALOR
        A 2010    NA
        A 2011     2
        A 2012     3
        B 2010     3
        B 2011    NA
        B 2013     1

Y deseo imputar los valores NA con el valor que se obtuvo en el máximo año. Es decir, que quede de la siguiente manera.

df
  PERSONA  AÑO VALOR
        A 2010     3
        A 2011     2
        A 2012     3
        B 2010     3
        B 2011     1
        B 2013     1

El NA de la persona A del año 2010 imputado con el valor del máximo año. Es decir, con 3 (Año 2012). Y el NA de la persona B del año 2011 imputado con el valor del máximo año. Es decir, con 1 (Año 2013).

Uso la siguiente sintaxis, pero creo que es una pasada monstruosa y horrible.

tab1<-df %>% select(PERSONA,AÑO, VALOR) %>% filter(!is.na(VALOR)) %>% 
  group_by(PERSONA) %>% summarise(va=max(AÑO)) 

df<-df %>% select(PERSONA,AÑO, VALOR) %>% inner_join(tab1,by=c("PERSONA","AÑO"="va")) %>%
  select(PERSONA,VALOR) %>% right_join(df, by="PERSONA")


df$VALOR.y<-ifelse(is.na(df$VALOR.y),df$VALOR.x,df$VALOR.y)

df$VALOR.x<-NULL

Uso el select() porque en el data frame hay más variables que PERSONA,AÑO y VALOR.
Asimismo, este proceso lo tengo que hacer para 43 variables. Así que no es nada eficiente lo que he hecho.

¿Cómo podría darle solución de una manera más ordenada y eficiente? Ya que necesariamente tendría que ponerlo dentro de un for o un for implícito.

Origen Enlace

¿Cómo imputar valores en función al máximo de otra variable? En R

Tengo el siguiente data frame.

df<-data.frame(PERSONA=c("A","A","A","B","B","B"),
               AÑO=c(2010,2011,2012,2010,2011,2013),
               VALOR=c(NA,2,3,3,NA,4))

df
  PERSONA  AÑO VALOR
        A 2010    NA
        A 2011     2
        A 2012     3
        B 2010     3
        B 2011    NA
        B 2013     4

Y deseo imputar los valores NA con el valor que se obtuvo en el máximo año. Es decir, que quede de la siguiente manera.

df
  PERSONA  AÑO VALOR
        A 2010     3
        A 2011     2
        A 2012     3
        B 2010     3
        B 2011     4
        B 2013     4

El NA de la persona A del año 2010 imputado con el valor del máximo año. Es decir, con 3 (Año 2012). Y el NA de la persona B del año 2011 imputado con el valor del máximo año. Es decir, con 4 (Año 2013).

Uso la siguiente sintaxis, pero creo que es una pasada monstruosa y horrible.

tab1<-df %>% select(PERSONA,AÑO, VALOR) %>% filter(!is.na(VALOR)) %>% 
  group_by(PERSONA) %>% summarise(va=max(AÑO)) 

df<-df %>% select(PERSONA,AÑO, VALOR) %>% inner_join(tab1,by=c("PERSONA","AÑO"="va")) %>%
  select(PERSONA,VALOR) %>% right_join(df, by="PERSONA")


df$VALOR.y<-ifelse(is.na(df$VALOR.y),df$VALOR.x,df$VALOR.y)

df$VALOR.x<-NULL

Uso el select() porque en el data frame hay más variables que PERSONA,AÑO y VALOR.
Asimismo, este proceso lo tengo que hacer para 43 variables. Así que no es nada eficiente lo que he hecho.

¿Cómo podría darle solución de una manera más ordenada y eficiente? Ya que necesariamente tendría que ponerlo dentro de un for o un for implícito.