缺失值填补

红色方框圈住的观测是来自于同一个家庭，他们的householdID是一样的，所以变量children_meet也应该是一样的。在实际的问卷调查中，对于children_meet变量，一个家庭只调查了一个家庭成员，如何参照另一个家庭成员来补齐数据中的NA呢？
注：实际样本量约为20000个。

基本思路是先搞出每个家庭的children_meet变量，然后去除缺省值，再每个家庭找一个值，形成新数据。将该数据与原来的数据匹配。我发过代码了，审核不让通过。可以私聊我。

你可以尝试使用dplyr的group_by和tidyr的fill配合一下，举个例子

1. df <- data.frame(id = 1:9,
   
2.                  houseid = rep(1:3, each = 3),
   
3.                  child = c(NA, 1, 1, 2, NA, 2, 3, 3, NA))
   
4. 
   
5. library(dplyr)
   
6. library(tidyr)
   
7. 
   
8. df1 <- df %>% group_by(houseid) %>% fill(child, .direction = "downup")

复制代码

owenqi 发表于 2021-11-14 06:54
你可以尝试使用dplyr的group_by和tidyr的fill配合一下，举个例子

owenqi老师好，tidyr这个语句是以缺省值下紧邻的数据填补。如果家庭最后一个成员有数据，这个语句就不对了

nieqiang110 发表于 2021-11-16 09:41
基本思路是先搞出每个家庭的children_meet变量，然后去除缺省值，再每个家庭找一个值，形成新数据。将该数据 ...

按照您的思路已解决了，先生成只有household和children-meet的数据集，然后删除缺失值，形成类似于字典的文件，然后借助的dplyr中的full-joint函数进行合并即可。
谢谢！

owenqi 发表于 2021-11-14 06:54
你可以尝试使用dplyr的group_by和tidyr的fill配合一下，举个例子

根据您的提示，我通过dplyr包中的full-joint函数找到了解决方法。
十分感谢！

nieqiang110 发表于 2021-11-16 07:57
owenqi老师好，tidyr这个语句是以缺省值下紧邻的数据填补。如果家庭最后一个成员有数据，这个 ...

我一开始也这么认为，后来我试了一下我那个例子，houseid = 3是那个情况，但是没出现发生，也许是因为他有3个的原因，是我考虑的情况不够完整，感谢指出。