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.