如何按指定行对分组填充DataFrame中的NA值？

方法一：修正分组逻辑后用group_by+fill（推荐） #

你之前的问题出在分组依据不对，label是每个well单独的标识，没法把关联行对归到一组。我们可以先根据label里的数字生成分组ID，把关联行对分到同一组后再用fill填充NA：

library(dplyr)
# 如果不想额外加载stringr包，用substr提取数字
pbs_in_v2_cleaned <- pbs_in_v2 %>%
  # 生成分组ID：well_1&2为组1，well_3&4为组2，well_5&6为组3，well_7单独为组4
  mutate(group_id = (as.integer(substr(label, 6, nchar(label))) + 1) %/% 2) %>%
  # 按分组ID聚合，双向填充组内的NA值
  group_by(group_id) %>%
  fill(everything(), .direction = "downup") %>%
  ungroup() %>%
  # 可选：删除临时生成的分组列
  select(-group_id)

如果习惯用stringr提取数字，也可以把提取数字的部分换成：

mutate(group_id = (as.integer(stringr::str_extract(label, "\\d+")) + 1) %/% 2)

这样处理后，well_2的WT_group_4会被well_1的2670填充，well_5的WT_group_3会被well_4的2832填充，well_7保持原样不变。

方法二：用if_else手动指定填充规则（适合行对少的场景） #

如果你的关联行对数量不多，也可以直接用if_else针对性替换NA：

pbs_in_v2_cleaned <- pbs_in_v2 %>%
  # 替换well_2的WT_group_4的NA
  mutate(WT_group_4 = if_else(label == "well_2" & is.na(WT_group_4), 
                              WT_group_4[label == "well_1"], 
                              WT_group_4)) %>%
  # 替换well_5的WT_group_3的NA
  mutate(WT_group_3 = if_else(label == "well_5" & is.na(WT_group_3), 
                              WT_group_3[label == "well_4"], 
                              WT_group_3))

这种方法需要逐个指定要替换的位置，行对多的时候效率较低，更推荐第一种方法。

内容的提问来源于stack exchange，提问作者Someone_1313