使用na.locf对长格式多时间点数据集插补的问题求助

报错原因 #

你遇到的the condition has length>1错误，是因为mutate会把整列的selfeff1和phase向量传入函数，但原函数里的if条件只能处理长度为1的逻辑判断，向量条件会触发报错。另外原函数的逻辑设计存在问题：没有按study_id分组处理（插补是每个研究对象内部的操作），且条件判断里出现了phase == "Baseline" & phase == "Midterm"这种矛盾写法（永远为假）。

正确实现思路 #

核心是按study_id分组，先确保每个组内的时间点顺序固定为Baseline → Midterm → Final，再针对每个组的变量值按规则插补。以下提供两种匹配需求的实现方案：

方案1：手动按规则插补（直观匹配需求） #

library(dplyr)

# 先固定组内时间点顺序，避免顺序混乱导致位置匹配错误
df2 <- df %>%
  arrange(study_id, factor(phase, levels = c("Baseline", "Midterm", "Final"))) %>%
  group_by(study_id) %>%
  # 批量处理所有selfeff开头的变量
  mutate(across(starts_with("selfeff"), function(x) {
    # 规则4：Baseline和Final均缺失，Midterm有值则填充两者
    if (is.na(x[1]) && is.na(x[3]) && !is.na(x[2])) {
      x[1] <- x[2]
      x[3] <- x[2]
    }
    # 规则1：Baseline缺失，Midterm有值则替换
    else if (is.na(x[1]) && !is.na(x[2])) {
      x[1] <- x[2]
    }
    # 规则2：Midterm缺失，Final有值则替换
    else if (is.na(x[2]) && !is.na(x[3])) {
      x[2] <- x[3]
    }
    # 规则3：Final缺失，Midterm有值则替换
    else if (is.na(x[3]) && !is.na(x[2])) {
      x[3] <- x[2]
    }
    return(x)
  })) %>%
  ungroup()

summary(is.na(df2$selfeff1))

方案2：结合zoo包填充函数（代码更简洁） #

利用na.locf（向前填充）和na.locf(option = "nocb")（向后填充）的组合，快速覆盖大部分规则，再单独处理特殊情况：

library(dplyr)
library(zoo)

df2 <- df %>%
  arrange(study_id, factor(phase, levels = c("Baseline", "Midterm", "Final"))) %>%
  group_by(study_id) %>%
  mutate(across(starts_with("selfeff"), function(x) {
    # 向后填充：覆盖规则1、2（把后面的有效值往前带）
    x_nocb <- na.locf(x, option = "nocb", na.rm = FALSE)
    # 向前填充：覆盖规则3（把前面的有效值往后带）
    x_locf <- na.locf(x_nocb, na.rm = FALSE)
    # 单独处理规则4的特殊场景
    if (!is.na(x[2]) && is.na(x[1]) && is.na(x[3])) {
      x_locf[1] <- x[2]
      x_locf[3] <- x[2]
    }
    return(x_locf)
  })) %>%
  ungroup()

summary(is.na(df2$selfeff1))

关键说明 #

• 必须先通过arrange固定时间点顺序，否则组内的x[1]/x[2]/x[3]无法对应Baseline、Midterm、Final三个时间点。
• 使用across(starts_with("selfeff"))可批量处理所有selfeff1到selfeff13变量，无需逐个定义。
• 两种方案均严格匹配你提出的4条插补规则，可根据个人偏好选择。

内容的提问来源于stack exchange，提问作者Rstudyer