如何基于已填充行的hs值自动匹配填充desc列的NA值

原始数据集 #

hs desc
1 34    a
2 53    b
3 64    c
4 54    d
5 34 <NA>
6 34 <NA>
7 53 <NA>
8 53    b
9 53    b
10 53 <NA> 

需求说明 #

理想状态下hs列的每个值对应唯一固定的desc值，但当前数据集的desc列存在大量NA。由于实际数据中hs值数量极多，无法通过ifelse或dplyr::case_when手动设置条件，需要自动完成：

1. 扫描已填充行，识别hs与desc的对应关系；
2. 基于该关系批量填充desc列的所有NA值。

解决方案 #

方法1：使用dplyr（tidyverse生态） #

通过分组后提取每组非NA的desc值，统一替换组内的NA：

library(dplyr)

# 假设数据框名为df
df_filled <- df %>%
  group_by(hs) %>%
  # 提取每组第一个非NA的desc值，用于填充组内所有NA
  mutate(desc = first(na.omit(desc))) %>%
  ungroup()

方法2：使用data.table（适合大数据集） #

data.table的分组操作效率更高，适合处理超大规模数据：

library(data.table)

# 将数据框转为data.table格式
setDT(df)
# 按hs分组，用组内第一个非NA的desc填充所有NA
df[, desc := na.omit(desc)[1], by = hs]

说明 #

• 如果某个hs分组内的desc全为NA，该组的NA会保留（无可用对应值）；
• 两种方法均假设同一hs对应的非NAdesc值唯一，符合题目中“每个hs对应唯一固定desc”的前提。

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