Entiendo que estás usando data.table
, francamente no lo he usado practicamente nada, pero lo que si puedo decirte que estás tratando en algunos lugares al objeto data.table
como si fuera un data.frame
y las mecánicas de indexación no son las mismas, por ejemplo:
Esto que es totalmente válido en un data.frame
clásico:
x <- c(1,2,3)
indicadores_BD[1,x]
Error in `[.data.table`(indicadores_BD, 1, x) :
j (the 2nd argument inside [...]) is a single symbol but column name 'x' is not found. Perhaps you intended DT[, ..x]. This difference to data.frame is deliberate and explained in FAQ 1.1.
No lo es en un data.table
Suponiendo que tu idea es trabajarlo como un data.frame
clásico, (de última podrías convertir la base mediante as.data.frame()
), supongamos unos datos como los que nos comentas:
set.seed(2020)
merge(
matrix(sample(LETTERS, 50, replace = TRUE), ncol = 5),
matrix(sample(c(runif(50), rep(NA,25)), 50, replace=TRUE), ncol = 5),
by=0
) -> indicadores_BD
indicadores_BD
Row.names V1.x V2.x V3.x V4.x V5.x V1.y V2.y V3.y V4.y V5.y
1 1 L M B N R 0.6510358 0.6726305 0.7972218 0.5088476 NA
2 10 Q C O V B 0.6829807 NA NA 0.1673671 0.3938651
3 2 W X X G J 0.2339084 NA 0.2082511 0.6829807 0.8844366
4 3 V H H T F NA 0.3875929 0.9925618 0.4284416 0.6510358
5 4 X J D R O 0.2952934 0.8844366 NA 0.3623707 NA
6 5 A R R T K 0.6875061 0.2339084 0.5998948 0.2082511 NA
7 6 Q P N U M 0.4702981 0.4284416 NA 0.5998948 NA
8 7 D V N T X 0.7261997 NA 0.1568812 0.2952934 NA
9 8 J B L P M 0.5472646 0.6875061 0.2502319 0.1833963 0.1631660
10 9 F P P L M 0.4243989 0.1720709 NA 0.6510358 NA
En data.frame
con columnas de distinto tipos y en las numéricas, algunos NA
que queremos reemplazar por la media de dicha columna.
En primer lugar necesitaremos saber cuales son las columnas numéricas:
columnas_numericas <- which(sapply(indicadores_BD, is.numeric))
Aplicamos is.numeric
a cada columna y no quedamos con el índice de las columnas numéricas. Lo siguiente es calcular la media de cada columna numérica:
cols_mean <- rep(NA, ncol(indicadores_BD))
cols_mean[columnas_numericas] <- colMeans(indicadores_BD[, columnas_numericas], na.rm = TRUE)
Lo único particular, es que que nos interesa que la media respete la cantidad de columnas totales del data.frame
, por lo que habrá varios NA
que corresponderán a las columnas no numéricas, y ahora sí, simplemente haremos una sustitución de valores NA
por las medias correspondientes
for (x in columnas_numericas) {
indicadores_BD[is.na(indicadores_BD[,x]), x] <- cols_mean[x]
}
Finalmente:
Row.names V1.x V2.x V3.x V4.x V5.x V1.y V2.y V3.y V4.y V5.y
1 1 L M B N R 0.6510358 0.6726305 0.7972218 0.5088476 0.5231259
2 10 Q C O V B 0.6829807 0.4952267 0.5008404 0.1673671 0.3938651
3 2 W X X G J 0.2339084 0.4952267 0.2082511 0.6829807 0.8844366
4 3 V H H T F 0.5243206 0.3875929 0.9925618 0.4284416 0.6510358
5 4 X J D R O 0.2952934 0.8844366 0.5008404 0.3623707 0.5231259
6 5 A R R T K 0.6875061 0.2339084 0.5998948 0.2082511 0.5231259
7 6 Q P N U M 0.4702981 0.4284416 0.5008404 0.5998948 0.5231259
8 7 D V N T X 0.7261997 0.4952267 0.1568812 0.2952934 0.5231259
9 8 J B L P M 0.5472646 0.6875061 0.2502319 0.1833963 0.1631660
10 9 F P P L M 0.4243989 0.1720709 0.5008404 0.6510358 0.5231259