Как заменить NA на среднее по группе / подмножеству?

У меня есть фрейм данных с длиной и шириной различных членистоногих из кишок саламандр. Поскольку у некоторых кишок были тысячи определенных предметов добычи, я измерил только подмножество каждого типа добычи. Теперь я хочу заменить каждую неизмеренную особь средней длиной и шириной для этой добычи. Я хочу сохранить фрейм данных и просто добавить вмененные столбцы (длина2, ширина2). Основная причина в том, что в каждой строке также есть столбцы с данными о дате и месте сбора саламандры. Я мог бы заполнить NA случайным отбором измеряемых лиц, но ради аргумента давайте предположим, что я просто хочу заменить каждую NA средним.

Например, представьте, что у меня есть фрейм данных, который выглядит примерно так:

id    taxa        length  width
101   collembola  2.1     0.9
102   mite        0.9     0.7
103   mite        1.1     0.8
104   collembola  NA      NA
105   collembola  1.5     0.5
106   mite        NA      NA

На самом деле у меня больше столбцов и около 25 различных таксонов, а всего около 30 000 объектов добычи. Кажется, что пакет plyr может быть идеальным для этого, но я просто не могу понять, как это сделать. Я не очень разбираюсь в R или программировании, но я пытаюсь научиться.

Не то, чтобы я знал, что делаю, но я постараюсь создать небольшой набор данных, с которым можно будет поиграть, если это поможет.

exampleDF <- data.frame(id = seq(1:100), taxa = c(rep("collembola", 50), rep("mite", 25), 
rep("ant", 25)), length = c(rnorm(40, 1, 0.5), rep("NA", 10), rnorm(20, 0.8, 0.1), rep("NA", 
5), rnorm(20, 2.5, 0.5), rep("NA", 5)), width = c(rnorm(40, 0.5, 0.25), rep("NA", 10), 
rnorm(20, 0.3, 0.01), rep("NA", 5), rnorm(20, 1, 0.1), rep("NA", 5)))

Вот несколько вещей, которые я пробовал (но не сработало):

# mean imputation to recode NA in length and width with means 
  (could do random imputation but unnecessary here)
mean.imp <- function(x) { 
  missing <- is.na(x) 
  n.missing <-sum(missing) 
  x.obs <-a[!missing] 
  imputed <- x 
  imputed[missing] <- mean(x.obs) 
  return (imputed) 
  } 

mean.imp(exampleDF[exampleDF$taxa == "collembola", "length"])

n.taxa <- length(unique(exampleDF$taxa))
for(i in 1:n.taxa) {
  mean.imp(exampleDF[exampleDF$taxa == unique(exampleDF$taxa[i]), "length"])
} # no way to get back into dataframe in proper places, try plyr? 

другая попытка:

imp.mean <- function(x) {
  a <- mean(x, na.rm = TRUE)
  return (ifelse (is.na(x) == TRUE , a, x)) 
 } # tried but not sure how to use this in ddply

Diet2 <- ddply(exampleDF, .(taxa), transform, length2 = function(x) {
  a <- mean(exampleDF$length, na.rm = TRUE)
  return (ifelse (is.na(exampleDF$length) == TRUE , a, exampleDF$length)) 
  })

Есть предложения?