如何替换聚类ID序列中同簇内的缺失值（NA）？

首先处理数据类型：原数据中的cluster_id包含字符串"NA"，需要先转换为R语言原生的缺失值NA，否则后续填充逻辑无法正常工作：

cluster_id <- c("1","1","1","1","NA","1","NA","NA","2","NA","2","NA","3","NA","NA","3")
# 将字符串"NA"替换为原生缺失值
cluster_id[cluster_id == "NA"] <- NA
# 转换为数值型（可选，也可保留字符型）
cluster_id <- as.numeric(cluster_id)

方法一：使用zoo包双向填充（推荐） #

核心逻辑是：对缺失值同时做向前填充和向后填充，仅当双向填充的结果一致时，说明该NA属于同一簇内部的缺失，才进行填充；若结果不一致，则该NA是簇之间的分隔，保留缺失值。

library(zoo)

# 向前填充（取前一个非NA值）
forward_fill <- na.locf(cluster_id, na.rm = FALSE)
# 向后填充（取后一个非NA值）
backward_fill <- na.locf(cluster_id, fromLast = TRUE, na.rm = FALSE)

# 生成最终结果：仅当双向填充值一致时填充NA，否则保留原缺失
cluster_id_new <- ifelse(is.na(cluster_id) & forward_fill == backward_fill, forward_fill, cluster_id)

运行后得到的cluster_id_new完全符合期望：

[1]  1  1  1  1  1  1 NA NA  2  2  2 NA  3  3  3  3

方法二：Base R实现（无需额外包） #

如果不想加载第三方包，可以通过遍历缺失值位置，判断其前后最近的非NA簇ID是否一致来实现：

# 获取所有非NA的位置和对应值
non_na_idx <- which(!is.na(cluster_id))
non_na_vals <- cluster_id[non_na_idx]

# 初始化结果向量
cluster_id_new <- cluster_id

# 遍历每个缺失值位置
for (i in which(is.na(cluster_id))) {
  # 找到当前NA之前最近的非NA位置
  prev_idx <- max(non_na_idx[non_na_idx < i])
  # 找到当前NA之后最近的非NA位置
  next_idx <- min(non_na_idx[non_na_idx > i])
  
  # 若前后簇ID相同，则填充该值
  if (non_na_vals[non_na_idx == prev_idx] == non_na_vals[non_na_idx == next_idx]) {
    cluster_id_new[i] <- non_na_vals[non_na_idx == prev_idx]
  }
}

内容的提问来源于stack exchange，提问作者mto23