Comment remplacer NA par la médiane dans R

Vous pouvez utiliser les méthodes suivantes pour remplacer les valeurs NA par la médiane à l’aide des fonctions des packages dplyr et Tidyr dans R :

Méthode 1 : remplacer les valeurs NA par la médiane dans une colonne

df %>% mutate(across(col1, ~replace_na(., median(., na.rm=TRUE))))

Méthode 2 : remplacer les valeurs NA par la médiane dans plusieurs colonnes

df %>% mutate(across(c(col1, col2), ~replace_na(., median(., na.rm=TRUE))))

Méthode 3 : remplacer les valeurs NA par la médiane dans toutes les colonnes numériques

df %>% mutate(across(where(is.numeric), ~replace_na(., median(., na.rm=TRUE))))

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec le bloc de données suivant :

#create data frame
df <- data.frame(player=c('A', 'B', 'C', 'D', 'E'),
                 points=c(17, 13, NA, 9, 25),
                 rebounds=c(3, 4, NA, NA, 8),
                 blocks=c(1, 1, 2, 4, NA))

#view data frame
df

  player points rebounds blocks
1      A     17        3      1
2      B     13        4      1
3      C     NA       NA      2
4      D      9       NA      4
5      E     25        8     NA

Exemple 1 : Remplacer les valeurs NA par la médiane dans une colonne

Le code suivant montre comment remplacer les valeurs NA dans la colonne de points par la valeur médiane de la colonne de points :

library(dplyr)
library(tidyr)

#replace NA values in points column with median of points column
df <- df %>% mutate(across(points, ~replace_na(., median(., na.rm=TRUE))))

#view updated data frame
df

  player points rebounds blocks
1      A     17        3      1
2      B     13        4      1
3      C     15       NA      2
4      D      9       NA      4
5      E     25        8     NA

La valeur médiane dans la colonne des points était de 15, donc la valeur NA dans la colonne des points a été remplacée par 15.

Toutes les autres colonnes sont restées inchangées.

Exemple 2 : Remplacer les valeurs NA par la médiane dans plusieurs colonnes

Le code suivant montre comment remplacer les valeurs NA dans les colonnes de points et de blocs par leurs médianes de colonne respectives :

library(dplyr)
library(tidyr)

#replace NA values in points and blocks columns with their respective medians
df <- df %>% mutate(across(c(points, blocks), ~replace_na(., median(., na.rm=TRUE))))

#view updated data frame
df

  player points rebounds blocks
1      A     17        3    1.0
2      B     13        4    1.0
3      C     15       NA    2.0
4      D      9       NA    4.0
5      E     25        8    1.5

Notez que les valeurs NA dans les colonnes de points et de blocs ont toutes deux été remplacées par leurs médianes de colonne respectives.

Exemple 3 : Remplacer les valeurs NA par la médiane dans toutes les colonnes numériques

Le code suivant montre comment remplacer les valeurs NA dans chaque colonne numérique par leur valeur médiane respective :

library(dplyr)
library(tidyr)

#replace NA values in all numeric columns with their respective medians
df <- df %>% mutate(across(where(is.numeric), ~replace_na(., median(., na.rm=TRUE))))

#view updated data frame
df

  player points rebounds blocks
1      A     17        3    1.0
2      B     13        4    1.0
3      C     15        4    2.0
4      D      9        4    4.0
5      E     25        8    1.5

Notez que les valeurs NA dans toutes les colonnes numériques ont été remplacées par leurs médianes de colonne respectives.

La seule colonne qui n’était pas numérique (joueur) est restée inchangée.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans dplyr :

Comment filtrer les lignes contenant une certaine chaîne à l’aide de dplyr
Comment supprimer des lignes à l’aide de dplyr
Comment utiliser la fonction across() dans dplyr