Partimos de estos datos:
structure(list(año = c(2020, 2020, 2020, 2020, 2020, 2021, 2021,
2021, 2021, 2021, 2022, 2022, 2022, 2022, 2022), municipio = c("municipio1",
"municipio2", "municipio3", "municipio4", "municipio5", "municipio1",
"municipio2", "municipio3", "municipio4", "municipio5", "municipio1",
"municipio2", "municipio3", "municipio4", "municipio5"), ingresos = c(75,
80, 85, 90, 95, NA, 105, 110, 115, 120, 125, 130, 135, 140, 145
), gastos = c(50, 100, 150, 200, 250, 300, 350, 400, 450, 500,
550, NA, 650, 700, 750), poblacion = c(1000, 1200, 1300, NA,
1001, 1500, 1301, 1351, 1002, 2000, 1302, 1352, 1500, 1203, 1800
)), row.names = c(NA, -15L), class = c("tbl_df", "tbl", "data.frame"
)) -> datos
año municipio ingresos gastos poblacion
1 2020 municipio1 75 50 1000
2 2020 municipio2 80 100 1200
3 2020 municipio3 85 150 1300
4 2020 municipio4 90 200 NA
5 2020 municipio5 95 250 1001
6 2021 municipio1 NA 300 1500
7 2021 municipio2 105 350 1301
8 2021 municipio3 110 400 1351
9 2021 municipio4 115 450 1002
10 2021 municipio5 120 500 2000
11 2022 municipio1 125 550 1302
12 2022 municipio2 130 NA 1352
13 2022 municipio3 135 650 1500
14 2022 municipio4 140 700 1203
15 2022 municipio5 145 750 1800
Quiero quitar los NA, para ello los voy a sustituir por la media de su municipio.
Calculo el ingreso medio:
datos %>%
group_by(municipio) %>%
mutate(ingresos_media = mean(ingresos, na.rm = T)) -> datos
Unifico los ingresos con los ingresos medios, para que el NA me lo cambie por la media, y el resto de los ingresos me los deje tal cual están:
datos <- sqldf("select *, coalesce(ingresos, ingresos_media ) ingresos2 from 'datos'")
Borro las dos columnas de ingresos:
borrar <- c("ingresos","ingresos_media")
datos <- datos [,!(names(datos) %in% borrar)]
Y le cambio el nombre a la columna creada:
datos <- rename(datos, c("ingresos" = "ingresos2"))
quedando:
año municipio gastos poblacion ingresos
1 2020 municipio1 50 1000 75
2 2020 municipio2 100 1200 80
3 2020 municipio3 150 1300 85
4 2020 municipio4 200 NA 90
5 2020 municipio5 250 1001 95
6 2021 municipio1 300 1500 100
7 2021 municipio2 350 1301 105
8 2021 municipio3 400 1351 110
9 2021 municipio4 450 1002 115
10 2021 municipio5 500 2000 120
11 2022 municipio1 550 1302 125
12 2022 municipio2 NA 1352 130
13 2022 municipio3 650 1500 135
14 2022 municipio4 700 1203 140
15 2022 municipio5 750 1800 145
Ahora lo quiero hacer en bucle para todas las columnas y nada más empezar ya me pierdo.
lista <- names(datos)[-c(1,2)]
for (i in lista){
media <- paste0(i,"_media")
datos %>%
group_by(municipio) %>%
mutate(media = mean(i, na.rm = T)) -> datos
}