1

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.

2 respuestas 2

2

Con R base:

# Obtenemos el último año con valor de cada persona
maximos <- aggregate(AÑO ~ PERSONA, df[!is.na(df$VALOR),], max, na.rm=TRUE)

# Obtenemos el valor de dichos años
valores_reemplazo <- merge(df, maximos, by = c("PERSONA", "AÑO"))

# Join del df original más los valores máximos
new_df <- merge(df, valores_reemplazo, by = c("PERSONA"), all.x = TRUE)
new_df$VALOR.x <- ifelse(is.na(new_df$VALOR.x), new_df$VALOR.y, new_df$VALOR.x)

# reemplazamos los valores NA y normalizamos el df
new_df <- setNames(new_df[, 1:3], c("PERSONA", "AÑO", "VALOR"))
11
  • Al usar aggregate(VALOR ~ PERSONA, df, max, na.rm=TRUE) no me estoy quedando con el máximo por persona y año, sino solo con el máximo por persona. Commented el 4 mar. 2021 a las 18:31
  • Pero esta bien, la idea es reemplazar los NA por el máximo de cada persona Commented el 4 mar. 2021 a las 18:38
  • La cuestión es reemplazar los NA, por el valor del año máximo de cada persona. Commented el 4 mar. 2021 a las 18:40
  • Si, eso es lo que entendí y creo que el código lo resuelve, aunque se me puede estar escapando algo Commented el 4 mar. 2021 a las 18:47
  • 1
    Ahora si entiendo, no es el máximo por persona, es el valor del año máximo por persona que no sea NA, ok, dejamelo pensar.. Commented el 4 mar. 2021 a las 19:02
2

Actualización

Este código regresa la tabla que pones en la solución y creo que funciona:

Editado: ahora no falla cuando el NA está en el último año y toma el último año no NA

df %>% 
  group_by(PERSONA) %>%
  mutate(VALOR = ifelse(is.na(VALOR), 
                        VALOR[AÑO == max(AÑO[!is.na(VALOR)], na.rm = TRUE)],
                        VALOR))


# A tibble: 6 x 3
# Groups:   PERSONA [2]
  PERSONA   AÑO VALOR
  <chr>   <dbl> <dbl>
1 A        2010     3
2 A        2011     2
3 A        2012     3
4 B        2010     3
5 B        2011     1
6 B        2013     1

El trabajo pesado lo hace VALOR[AÑO == max(AÑO)]. Con [] hago un subet de VALOR cuando se la condición en otra columna. Es una mezcla de tidyverse con R base y funciona muy bien porque dentro de la llamada de mutate las columnas del data.frame se presentan como vectores (algo parecido a lo que tendríamos con un with()) y se puede hacer cualquier operación ahí dentro.

2
  • Muchas gracias. Pero al hacer el group_by sólo obtendrá el máximo por persona. Lo que deseaba es el máximo por persona y por año. Commented el 4 mar. 2021 a las 18:59
  • Ah! Claro, tomar el valor del último AÑO. Puse otra respuesta.
    – mpaladino
    Commented el 4 mar. 2021 a las 20:00

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.