Replace NA value (zoo package)

ID=1:6
V1=c(1,3,5,NA,NA,4)
V2=c(2,NA,5,NA,6,NA)
V3=c(NA,5,NA,NA,3,4)
V4=c(8,6,4,2,4,6)
dat=data.frame(ID,V1,V2,V3,V4)
dat

##   ID V1 V2 V3 V4
## 1  1  1  2 NA  8
## 2  2  3 NA  5  6
## 3  3  5  5 NA  4
## 4  4 NA NA NA  2
## 5  5 NA  6  3  4
## 6  6  4 NA  4  6

Replace NA by column mean (zoo)

print(apply(dat[,2:5],2,mean,na.rm=T),digits=3)   #mean column

##   V1   V2   V3   V4 
## 3.25 4.33 4.00 5.00

library(zoo)
na.aggregate(dat,FUN = mean)         # May replace by median

##   ID   V1       V2 V3 V4
## 1  1 1.00 2.000000  4  8
## 2  2 3.00 4.333333  5  6
## 3  3 5.00 5.000000  4  4
## 4  4 3.25 4.333333  4  2
## 5  5 3.25 6.000000  3  4
## 6  6 4.00 4.333333  4  6

Replace NA by row mean (zoo)

dat1=dat[,2:5]; 
dat1$RowM=apply(dat1,1,mean,na.rm=T)   #mean column
dat1_cv=t(dat1)
dat2=t(na.aggregate(dat1_cv))
dat2

##            V1       V2       V3 V4     RowM
## [1,] 1.000000 2.000000 3.666667  8 3.666667
## [2,] 3.000000 4.666667 5.000000  6 4.666667
## [3,] 5.000000 5.000000 4.666667  4 4.666667
## [4,] 2.000000 2.000000 2.000000  2 2.000000
## [5,] 4.333333 6.000000 3.000000  4 4.333333
## [6,] 4.000000 4.666667 4.000000  6 4.666667

Replace NA by column median (randomForest)

library(randomForest)
print(apply(dat[,2:5],2,median,na.rm=TRUE),digits=3)   #mean column

##  V1  V2  V3  V4 
## 3.5 5.0 4.0 5.0

dat

##   ID V1 V2 V3 V4
## 1  1  1  2 NA  8
## 2  2  3 NA  5  6
## 3  3  5  5 NA  4
## 4  4 NA NA NA  2
## 5  5 NA  6  3  4
## 6  6  4 NA  4  6

na.roughfix(dat)

##   ID  V1 V2 V3 V4
## 1  1 1.0  2  4  8
## 2  2 3.0  5  5  6
## 3  3 5.0  5  4  4
## 4  4 3.5  5  4  2
## 5  5 3.5  6  3  4
## 6  6 4.0  5  4  6

Replace NA by the nearest non_NA value (zoo)

x=c(20,30,50,NA,NA,70)
na.locf(x,fromLast = FALSE)

## [1] 20 30 50 50 50 70

na.locf(x,fromLast = TRUE)

## [1] 20 30 50 70 70 70

Replace NA by interpolation from before and after values (zoo)

x=c(20,30,50,NA,NA,70)
print(na.approx(x),digits=2)

## [1] 20 30 50 57 63 70

dat

##   ID V1 V2 V3 V4
## 1  1  1  2 NA  8
## 2  2  3 NA  5  6
## 3  3  5  5 NA  4
## 4  4 NA NA NA  2
## 5  5 NA  6  3  4
## 6  6  4 NA  4  6

dat_rep1=na.approx(dat);dat_rep1

##      ID       V1  V2       V3 V4
## [1,]  1 1.000000 2.0       NA  8
## [2,]  2 3.000000 3.5 5.000000  6
## [3,]  3 5.000000 5.0 4.333333  4
## [4,]  4 4.666667 5.5 3.666667  2
## [5,]  5 4.333333 6.0 3.000000  4
## [6,]  6 4.000000  NA 4.000000  6

dat_rep1 may need more replacing by na.locf function

dat_rep2=na.locf(dat_rep1,fromLast = FALSE)
dat_rep3=na.locf(dat_rep2,fromLast = TRUE)
dat_rep3

##      ID       V1  V2       V3 V4
## [1,]  1 1.000000 2.0 5.000000  8
## [2,]  2 3.000000 3.5 5.000000  6
## [3,]  3 5.000000 5.0 4.333333  4
## [4,]  4 4.666667 5.5 3.666667  2
## [5,]  5 4.333333 6.0 3.000000  4
## [6,]  6 4.000000 6.0 4.000000  6