如何为纵向数据中2015年Var3的NA值按PID填充前后年份均值

核心逻辑是按受访者标识（PID）分组，仅定位2015年Var3的缺失值，用同组内2014和2016年的Var3均值进行填充，避免跨受访者的数据混淆。以下是两种可直接复用的实现方案：

方案一：使用dplyr（tidyverse生态，推荐） #

适合习惯tidy语法的用户，代码可读性高且处理大型数据集效率优异：

library(dplyr)

# 假设你的数据集名为df，包含列：PID, Year, Var3
df_filled <- df %>%
  group_by(PID) %>%
  mutate(
    # 计算当前PID组内2014、2016年Var3的均值
    var3_group_mean = mean(c(Var3[Year == 2014], Var3[Year == 2016]), na.rm = TRUE),
    # 仅替换2015年Var3的NA值，其余行保持原样
    Var3 = ifelse(Year == 2015 & is.na(Var3), var3_group_mean, Var3)
  ) %>%
  ungroup() %>%
  select(-var3_group_mean) # 移除临时计算的中间列

方案二：使用Base R（无需额外安装包） #

适合偏好原生R语法的用户：

# 按PID分组处理Var3列
df$Var3 <- ave(df$Var3, df$PID, FUN = function(var_vals) {
  # 获取当前PID组对应的年份向量
  group_years <- df$Year[df$PID == unique(df$PID)]
  # 提取2014和2016年的Var3值
  val_2014 <- var_vals[group_years == 2014]
  val_2016 <- var_vals[group_years == 2016]
  # 计算均值（na.rm=TRUE允许单一年份有值时仍能计算）
  fill_mean <- mean(c(val_2014, val_2016), na.rm = TRUE)
  # 精准替换2015年的NA
  ifelse(group_years == 2015 & is.na(var_vals), fill_mean, var_vals)
})

注意事项 #

• 若某PID的2014或2016年Var3本身存在缺失，na.rm=TRUE会自动忽略NA值计算剩余年份的数值；若两年均为NA，会返回NaN，可根据实际业务需求添加额外判断逻辑（比如跳过该组填充）
• 处理超大型数据集时，优先选择dplyr方案，其底层优化能显著提升运行速度

内容的提问来源于stack exchange，提问作者Moritary