求助 根据连续缺失值数量填充缺失值

google了网上好多都是以前一个观测值或者后一个观测值来填充缺失值的。 但是手头有一坨数据，要求如果 连续缺失值个数小于四个则按照下一个非缺失值的数值填充， 如果连续缺失值的个数大于4， 则 按照上一个非缺失值与下一个非缺失值的平均数填充。求帮助 毕业论文数据清理不出来好急啊。 只有10个论坛币 但是如果有什么需要的英文的论文和书籍我可以用图书馆资源帮您查找

sales         填充后        sales
3                                    3
4                                    4
.                                     5
.                                     5
.                                     5
5                                    5
1                                    1
.                                     4.5
.                                     4.5
.                                     4.5
.                                     4.5
.                                     4.5
8                                    8

1. data a;
   
2. input sales;
   
3. datalines;
   
4. 3
   
5. 4
   
6. .
   
7. .
   
8. .
   
9. 5
   
10. 1
    
11. .
    
12. .
    
13. .
    
14. .
    
15. .
    
16. 8
    
17. ; run;
    
18. 
    
19. data b;
    
20.    set a;
    
21.    retain gp 0;
    
22.     n = _n_ ;
    
23.    sale_lag = lag(sales);
    
24.    if missing(sale_lag) ^= missing(sales) then gp+1;
    
25.    drop sale_lag;
    
26. run;
    
27. 
    
28. data want;
    
29.     retain last_nonMiss;
    
30.     count_missing = 0;
    
31. 
    
32.     do until(last.gp);
    
33.       set b;
    
34.       by gp;
    
35.           
    
36.        if ^missing(sales) then do;
    
37.          if last.gp then  last_nonMiss = sales;   
    
38.          output;
    
39.        end;
    
40. 
    
41.        if missing(sales) then do;
    
42.            count_missing + 1;
    
43.        end;
    
44.      end;
    
45.   
    
46.      if count_missing > 0 then do;
    
47.          do until(last.gp);
    
48.            nmiss = count_missing;
    
49.            last_sale = last_nonMiss;
    
50.            output;
    
51.          end;
    
52.      end;
    
53.     keep sales n nmiss last_sale;
    
54. run;
    
55. 
    
56. proc sort data=want out=want_sort;
    
57.     by descending n;
    
58. run;
    
59. 
    
60. data wanted;   /* need to be sorted in reverse order */
    
61.      set want_sort;
    
62.          next_sale = lag(sales);
    
63.          if ^missing(sales) then output;
    
64.          if missing(sales) then do;
    
65.            if nmiss > 4 then do;
    
66.               do i = 1 to nmiss;
    
67.                sales = (last_sale+next_sale)/2;
    
68.                output;
    
69.               end;
    
70.            end;
    
71.            if nmiss <= 4 then do;
    
72.               do i = 1 to nmiss;
    
73.                  sales = next_sale;
    
74.                  output;
    
75.               end;
    
76.            end;
    
77.          end;
    
78.    keep sales;
    
79. run;
    
80. 
    
81. /* the results need to be sorted in reverse order */

复制代码

这个好有挑战性，期待高手

yongyitian 发表于 2015-6-2 19:28

太感谢了！ 但是有个问题， 因为我的真实数据有65兆， 在 _n_之后查看结果 n 只能显示前到10 后面都是星号， 重新给n 设了格式发现还是不行，也不能利用n进行排序。 请问这个是怎么回事呀？ 最后我是在excel的原始文件里手工拉了一排n出来代替的

millet275 发表于 2015-6-4 05:22
太感谢了！ 但是有个问题， 因为我的真实数据有65兆， 在 _n_之后查看结果 n 只能显示前到10 后面都是星号 ...

估计是双击打开数据集后， 显示列的宽度太小，与数据格式无关。变量太多的话，可能会显示不出来。 Excel 经常出现这种情况。

yongyitian 发表于 2015-6-4 07:45
估计是双击打开数据集后， 显示列的宽度太小，与数据格式无关。变量太多的话，可能会显示不出来。 Excel  ...

O(∩_∩)O谢谢