使用R dplyr包分组处理缺失值：生成递增加3的WANT列

先给个示例数据方便测试：

library(tibble)
library(dplyr)
library(purrr)

df <- tibble(
  ID = c(1,1,1,2,2,2),
  X1 = c(10, NA, NA, 20, NA, NA)
)

你之前用lead()函数不对是因为lead()是取下一行的值，而这里需要的是基于前一行计算结果的递推逻辑，完全不是一个路数。直接用purrr::accumulate()就能搞定，按ID分组后逐行计算：

df %>%
  group_by(ID) %>%
  mutate(WANT = accumulate(X1, ~ifelse(is.na(.y), .x + 3, .y))) %>%
  ungroup()

运行后结果如下：

# A tibble: 6 × 3
     ID    X1  WANT
  <dbl> <dbl> <dbl>
1     1    10    10
2     1    NA    13
3     1    NA    16
4     2    20    20
5     2    NA    23
6     2    NA    26

逻辑解释 #

accumulate()会按顺序遍历X1的每个元素：

• 第一个元素非NA，直接取X1的值作为初始WANT
• 后续元素如果是NA，就用前一个WANT的值加3；如果非NA，直接替换成当前X1的值
• 按ID分组后，每个组的递推都是独立的，不会跨组干扰

如果不想用purrr，也可以用基础dplyr函数实现：

df %>%
  group_by(ID) %>%
  mutate(
    # 先提取每个组的非NA起始值，填充NA的位置
    base = fill(X1, .direction = "downup") %>% pull(X1),
    # 计算每个位置相对于起始值的偏移量：每个NA对应+3，非NA偏移0
    offset = cumsum(ifelse(is.na(X1), 3, 0)),
    WANT = base + offset
  ) %>%
  select(-base, -offset) %>%
  ungroup()

这个方法是先把每个组的X1向下填充得到基准值，再计算每个位置的偏移量，最后相加得到结果，同样能达到需求。

内容的提问来源于stack exchange，提问作者bvowe