Похоже, есть еще несколько других, а также DBeaver ..
SQuirreL SQL Client
SQL Workbench / J
Надо сказать, хотя я предпочитают DBeaver, поскольку он загружает необходимые вам драйверы и имеет готовый пакет .deb.
Я попробовал следующее:
nullIdx <- as.array(which(is.na(masterData$RequiredColumn)))
masterData$RequiredColumn[nullIdx] = masterData$RequiredColumn[nullIdx-1]
nullIdx получает номер idx, где когда-либо masterData $ RequiredColumn имеет значение Null / NA. В следующей строке мы заменим его соответствующим значением Idx-1, то есть последним хорошим значением перед каждым NULL / NA
Наличие ведущего NA немного морщин, но я считаю очень читаемым (и векторизованным) способом LOCF, когда главный член не отсутствует:
na.omit(y)[cumsum(!is.na(y))] [ ! d2]
В целом работает немного менее читаемая модификация:
c(NA, na.omit(y))[cumsum(!is.na(y))+1]
дает желаемый результат:
c(NA, 2, 2, 2, 2, 3, 3, 4, 4, 4)
Бросок моей шляпы в:
library(Rcpp)
cppFunction('IntegerVector na_locf(IntegerVector x) {
int n = x.size();
for(int i = 0; i<n; i++) {
if((i > 0) && (x[i] == NA_INTEGER) & (x[i-1] != NA_INTEGER)) {
x[i] = x[i-1];
}
}
return x;
}')
Настройте базовый образец и контрольный показатель:
x <- sample(c(1,2,3,4,NA))
bench_em <- function(x,count = 10) {
x <- sample(x,count,replace = TRUE)
print(microbenchmark(
na_locf(x),
replace_na_with_last(x),
na.lomf(x),
na.locf(x),
repeat.before(x)
), order = "mean", digits = 1)
}
И запустите несколько эталонных тестов:
bench_em(x,1e6)
Unit: microseconds
expr min lq mean median uq max neval
na_locf(x) 697 798 821 814 821 1e+03 100
na.lomf(x) 3511 4137 5002 4214 4330 1e+04 100
replace_na_with_last(x) 4482 5224 6473 5342 5801 2e+04 100
repeat.before(x) 4793 5044 6622 5097 5520 1e+04 100
na.locf(x) 12017 12658 17076 13545 19193 2e+05 100
На всякий случай:
all.equal(
na_locf(x),
replace_na_with_last(x),
na.lomf(x),
na.locf(x),
repeat.before(x)
)
[1] TRUE
Для числового вектора функция немного отличается:
NumericVector na_locf_numeric(NumericVector x) {
int n = x.size();
LogicalVector ina = is_na(x);
for(int i = 1; i<n; i++) {
if((ina[i] == TRUE) & (ina[i-1] != TRUE)) {
x[i] = x[i-1];
}
}
return x;
}
Это сработало для меня, хотя я не уверен, что он более эффективен, чем другие предложения.
rollForward <- function(x){
curr <- 0
for (i in 1:length(x)){
if (is.na(x[i])){
x[i] <- curr
}
else{
curr <- x[i]
}
}
return(x)
}
Существует множество пакетов, предлагающих функции na.locf (NA Last Observation Carried Forward):
xts - xts::na.locf zoo - zoo::na.locf imputeTS - imputeTS::na.locf spacetime - spacetime::na.locfА также другие пакеты, в которых эта функция называется по-другому.
Следуя за вкладами Брэндона Бертельсена Rcpp. Для меня версия NumericVector не работала: она заменила только первое NA. Это связано с тем, что вектор ina оценивается только один раз в начале функции.
Вместо этого можно использовать тот же подход, что и для функции IntegerVector. Для меня работали следующие:
library(Rcpp)
cppFunction('NumericVector na_locf_numeric(NumericVector x) {
R_xlen_t n = x.size();
for(R_xlen_t i = 0; i<n; i++) {
if(i > 0 && !R_finite(x[i]) && R_finite(x[i-1])) {
x[i] = x[i-1];
}
}
return x;
}')
Если вам нужна версия CharacterVector, то работает тот же базовый подход:
cppFunction('CharacterVector na_locf_character(CharacterVector x) {
R_xlen_t n = x.size();
for(R_xlen_t i = 0; i<n; i++) {
if(i > 0 && x[i] == NA_STRING && x[i-1] != NA_STRING) {
x[i] = x[i-1];
}
}
return x;
}')
Попробуйте эту функцию. Для него не требуется пакет ZOO:
# last observation moved forward
# replaces all NA values with last non-NA values
na.lomf <- function(x) {
na.lomf.0 <- function(x) {
non.na.idx <- which(!is.na(x))
if (is.na(x[1L])) {
non.na.idx <- c(1L, non.na.idx)
}
rep.int(x[non.na.idx], diff(c(non.na.idx, length(x) + 1L)))
}
dim.len <- length(dim(x))
if (dim.len == 0L) {
na.lomf.0(x)
} else {
apply(x, dim.len, na.lomf.0)
}
}
Пример:
> # vector
> na.lomf(c(1, NA,2, NA, NA))
[1] 1 1 2 2 2
>
> # matrix
> na.lomf(matrix(c(1, NA, NA, 2, NA, NA), ncol = 2))
[,1] [,2]
[1,] 1 2
[2,] 1 2
[3,] 1 2
Для работы с большим объемом данных, чтобы быть более эффективным, мы можем использовать пакет data.table.
require(data.table)
replaceNaWithLatest <- function(
dfIn,
nameColNa = names(dfIn)[1]
){
dtTest <- data.table(dfIn)
setnames(dtTest, nameColNa, "colNa")
dtTest[, segment := cumsum(!is.na(colNa))]
dtTest[, colNa := colNa[1], by = "segment"]
dtTest[, segment := NULL]
setnames(dtTest, "colNa", nameColNa)
return(dtTest)
}
Вот модификация решения @ AdamO. Этот режим работает быстрее, поскольку он обходит функцию na.omit. Это будет перезаписывать значения NA в векторе y (кроме ведущих NA s).
z <- !is.na(y) # indicates the positions of y whose values we do not want to overwrite
z <- z | !cumsum(z) # for leading NA's in y, z will be TRUE, otherwise it will be FALSE where y has a NA and TRUE where y does not have a NA
y <- y[z][cumsum(z)]
Извините, что выкапываете старый вопрос. Я не мог найти функцию, чтобы выполнить эту работу в поезде, поэтому я написал ее сам.
Я с гордостью узнал, что это немного быстрее.
Но он отлично работает с ave, и это то, что мне нужно.
repeat.before = function(x) { # repeats the last non NA value. Keeps leading NA
ind = which(!is.na(x)) # get positions of nonmissing values
if(is.na(x[1])) # if it begins with a missing, add the
ind = c(1,ind) # first position to the indices
rep(x[ind], times = diff( # repeat the values at these indices
c(ind, length(x) + 1) )) # diffing the indices + length yields how often
} # they need to be repeated
x = c(NA,NA,'a',NA,NA,NA,NA,NA,NA,NA,NA,'b','c','d',NA,NA,NA,NA,NA,'e')
xx = rep(x, 1000000)
system.time({ yzoo = na.locf(xx,na.rm=F)})
## user system elapsed
## 2.754 0.667 3.406
system.time({ yrep = repeat.before(xx)})
## user system elapsed
## 0.597 0.199 0.793
Поскольку это стало моим самым Я часто напоминал, что я не использую свою собственную функцию, потому что мне часто нужен аргумент maxgap зоопарка. Потому что у зоопарка есть некоторые странные проблемы в крайних случаях, когда я использую dplyr + даты, которые я не мог отлаживать, я вернулся к этому сегодня, чтобы улучшить свою старую функцию.
Я сравнивал мою улучшенную функцию и все остальные здесь. Для базового набора функций, tidyr::fill является самым быстрым, а также не приводит к краху. Запись Rcpp by @BrandonBertelsen выполняется быстрее, но она негибкая относительно типа ввода (он неправильно проверял случаи кросс-памяти из-за непонимания all.equal).
Если вам нужно maxgap, моя функция ниже быстрее, чем зоопарк (и не имеет странных проблем с датами).
Я представил документацию по моим тестам.
repeat_last = function(x, forward = TRUE, maxgap = Inf, na.rm = FALSE) {
if (!forward) x = rev(x) # reverse x twice if carrying backward
ind = which(!is.na(x)) # get positions of nonmissing values
if (is.na(x[1]) && !na.rm) # if it begins with NA
ind = c(1,ind) # add first pos
rep_times = diff( # diffing the indices + length yields how often
c(ind, length(x) + 1) ) # they need to be repeated
if (maxgap < Inf) {
exceed = rep_times - 1 > maxgap # exceeding maxgap
if (any(exceed)) { # any exceed?
ind = sort(c(ind[exceed] + 1, ind)) # add NA in gaps
rep_times = diff(c(ind, length(x) + 1) ) # diff again
}
}
x = rep(x[ind], times = rep_times) # repeat the values at these indices
if (!forward) x = rev(x) # second reversion
x
}
Я также поместил эту функцию в мою документацию моего тесты (только Github).
a data.table решение:
> dt <- data.table(y = c(NA, 2, 2, NA, NA, 3, NA, 4, NA, NA))
> dt[, y_forward_fill := y[1], .(cumsum(!is.na(y)))]
> dt
y y_forward_fill
1: NA NA
2: 2 2
3: 2 2
4: NA 2
5: NA 2
6: 3 3
7: NA 3
8: 4 4
9: NA 4
10: NA 4
этот подход мог бы работать и с нулями прямого заполнения:
> dt <- data.table(y = c(0, 2, -2, 0, 0, 3, 0, -4, 0, 0))
> dt[, y_forward_fill := y[1], .(cumsum(y != 0))]
> dt
y y_forward_fill
1: 0 0
2: 2 2
3: -2 -2
4: 0 -2
5: 0 -2
6: 3 3
7: 0 3
8: -4 -4
9: 0 -4
10: 0 -4
этот метод очень полезен для данных в масштабе и где вы хотите выполнить форвардную заливку по группам (группам), что тривиально с data.table. просто добавьте группу (ы) в by предложение до логики cumsum.
Это сработало для меня:
replace_na_with_last<-function(x,a=!is.na(x)){
x[which(a)[c(1,1:sum(a))][cumsum(a)+1]]
}
> replace_na_with_last(c(1,NA,NA,NA,3,4,5,NA,5,5,5,NA,NA,NA))
[1] 1 1 1 1 3 4 5 5 5 5 5 5 5 5
> replace_na_with_last(c(NA,"aa",NA,"ccc",NA))
[1] "aa" "aa" "aa" "ccc" "ccc"
скорость тоже разумная:
> system.time(replace_na_with_last(sample(c(1,2,3,NA),1e6,replace=TRUE)))
user system elapsed
0.072 0.000 0.071