如何在分组下使用tidyr的fill函数合并时序数据并填充NA

方法一：使用tidyr::fill #

你之前的代码错误在于把fill嵌套在mutate系列函数内部调用，fill本身是针对数据框的行填充函数，无需放在mutate里执行。正确流程是分组后先完成全列填充，再保留每组一行数据：

library(dplyr)
library(tidyr)

no_dupped_records <- dupped_records |>
  group_by(TIMESTAMP) |>
  # 先向上填充，再向下填充，确保同组内非NA值覆盖整组
  fill(everything(), .direction = "up") |>
  fill(everything(), .direction = "down") |>
  # 每个TIMESTAMP保留一行（此时同组所有行内容一致）
  slice(1) |>
  ungroup()

如果同组内非NA值分散，up+down的组合能确保所有行都被填充为该组有效数据；若某列全为NA，填充后依然保留NA，完全符合需求。

方法二：使用dplyr::coalesce #

完全可以用coalesce实现需求，利用它“取第一个非NA值”的特性，分组后对每列聚合出该组的有效值（全NA则返回NA）：

library(dplyr)

no_dupped_records <- dupped_records |>
  group_by(TIMESTAMP) |>
  summarise(
    across(everything(), ~dplyr::coalesce(!!!.)),
    .groups = "drop"
  )

这里!!!.的作用是把当前列的所有行值展开为coalesce的参数，自动提取该列第一个非NA值；若列内全是NA则返回NA。summarise会自动按TIMESTAMP分组生成一行数据，无需额外去重操作。

你之前代码的问题说明 #

• 第一段代码mutate_all(fill(everything(), .direction = 'up'))：mutate_all需要接收逐列处理的函数（比如~replace_na(., 0)），但fill是数据框级别的行操作，不适合作为mutate_all的参数，因此报错。
• 第二段代码mutate(across(fill(everything(), .direction = 'up')))：across需要针对单列的转换逻辑，fill无法作用于单个列的向量，因此代码执行后无任何效果。

内容的提问来源于stack exchange，提问作者user8229029