在R语言中如何按分组填充分类变量的缺失值？

针对大型数据集里按分组填充分类变量NA的需求，以下两种方法无需手动指定每个分组，能高效完成数据清洗：

方法一：替换为组内出现频率最高的值（众数） #

先定义一个取众数的辅助函数，再结合dplyr分组处理：

# 定义取众数的函数（自动忽略NA）
get_mode <- function(x) {
  ux <- unique(na.omit(x))
  ux[which.max(tabulate(match(x, ux)))]
}

library(dplyr)

# 按name分组替换NA为组内众数
d_clean_mode <- d %>%
  group_by(name) %>%
  mutate(pos = ifelse(is.na(pos), get_mode(pos), pos)) %>%
  ungroup()

该方法适合组内存在多个非NA值的场景，会自动选择出现次数最多的类别填充NA。

方法二：替换为组内首次出现的非NA值 #

如果只需用组内第一个出现的有效标签填充，代码更简洁：

library(dplyr)

# 按name分组替换NA为组内首个非NA值
d_clean_first <- d %>%
  group_by(name) %>%
  mutate(pos = ifelse(is.na(pos), first(na.omit(pos)), pos)) %>%
  ungroup()

两种方法都能批量处理所有分组，完全替代繁琐的case_when()，适配包含大量唯一name的大型数据集。

内容的提问来源于stack exchange，提问作者user13973103