使用 na.approx 在数据框中插入 NA 值

我正在尝试删除NA通过插值从我的数据框中获取na.approx()但无法删除所有NAs.

我的数据帧是 4096x4096，其中 270.15 作为无效值的标志。我需要在所有点上连续的数据来提供气象模型。昨天我询问并获得了关于如何基于另一个数据框中替换数据框中的值的答案。但在那之后我来到了na.approx()然后决定将 270.15 值替换为NA并尝试na.approx()插入数据。但问题是为什么na.approx()不取代所有 NA。

这就是我正在做的：

• 使用hdf5load读取原始hdf文件
• 对数据框进行子集化 (4094x4096)

• 用 NA 替换标志值

  > sst4[sst4 == 270.15 ] = NA
  

• 检查第一列（或任何其他列）

  > summary(sst4[,1])
  
  Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's
  271.3   276.4   285.9   285.5   292.3   302.8  1345.0
  

• 运行 na.approx

  > sst4=na.approx(sst4,na.rm="FALSE")
  

• 检查第一列

  > summary(sst4[,1]) 
  Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's
  271.3   276.5   286.3   285.9   292.6   302.8   411.0
  

正如您所看到的，411 NA 尚未被删除。为什么？它们都对应于前导/结束列值吗？

head(sst4[,1])
[1] NA NA NA NA NA NA
tail(sst4[,1])
[1] NA NA NA NA NA NA

na.approx 是否需要在 NA 之前和之后具有有效值才能进行插值？我需要设置任何其他 na.approx 选项吗？

非常感谢

一个可重复的小例子：

library(zoo)
set.seed(1)
m <- matrix(runif(16, 0, 100), nrow = 4)
missing_values <- sample(16, 7)
m[missing_values] <- NA
m
         [,1]     [,2]      [,3]     [,4]
[1,] 26.55087 20.16819 62.911404 68.70228
[2,] 37.21239       NA  6.178627 38.41037
[3,]       NA       NA        NA       NA
[4,] 90.82078 66.07978        NA       NA

na.approx(m)
         [,1]     [,2]      [,3]     [,4]
[1,] 26.55087 20.16819 62.911404 68.70228
[2,] 37.21239 35.47206  6.178627 38.41037
[3,] 64.01658 50.77592        NA       NA
[4,] 90.82078 66.07978        NA       NA

m[4, 4] <- 50
na.approx(m)
         [,1]     [,2]      [,3]     [,4]
[1,] 26.55087 20.16819 62.911404 68.70228
[2,] 37.21239 35.47206  6.178627 38.41037
[3,] 64.01658 50.77592        NA 44.20519
[4,] 90.82078 66.07978        NA 50.00000

是的，看起来您确实需要知道列的开始/结束值，否则插值不起作用。你能猜出你的边界值吗？

另一个编辑：因此默认情况下，您需要知道列的开始值和结束值。然而有可能得到na.approx总是通过传递来填补空白rule = 2。请参阅菲利克斯的回答。您还可以使用na.fill根据 Gabor 的评论，提供默认值。最后，您可以在两个方向上插值边界条件（见下文）或猜测边界条件。

编辑：进一步的想法。自从na.approx仅在列中插值，并且您的数据是空间的，也许在行中插值也很有用。然后你就可以取平均值了。

na.approx当整列都失败时NA，所以我们创建一个更大的数据集。

set.seed(1)
m <- matrix(runif(64, 0, 100), nrow = 8)
missing_values <- sample(64, 15)
m[missing_values] <- NA

Run na.approx双向。

by_col <- na.approx(m)
by_row <- t(na.approx(t(m)))

找出最好的猜测。

default <- 50
best_guess <- ifelse(is.na(by_row), 
  ifelse(
    is.na(by_col), 
    default,              #neither known
    by_col                #only by_col known
  ), 
  ifelse(
    is.na(by_col), 
    by_row,               #only by_row known
    (by_row + by_col) / 2 #both known
  )
)