在R中基于日期列按条件用最近非NA值填充列中NA

核心逻辑 #

针对每个含NA的行，在指定范围内（当前日期前后30天）筛选非NA记录，按「日期差绝对值最小优先，差值相同时更早日期优先」的规则选取填充值；同时兼容分组数据场景。

代码实现（dplyr版，易读性强） #

library(dplyr)

# 加载示例数据并转换日期格式
df <- data.frame(
  dates = c("2023-09-01", "2023-09-02", "2023-09-05", "2023-09-06", "2023-09-10",
            "2023-09-11", "2023-09-14", "2023-09-16", "2023-09-20", "2023-09-27", "2023-09-28"),
  x = c(10, NA, 20, NA, NA, 30, NA, NA, NA, 40, NA)
) %>%
  mutate(dates = as.Date(dates))

# 执行填充（若有分组，添加group_by(你的分组列)即可）
filled_df <- df %>%
  rowwise() %>%
  mutate(
    x_filled = ifelse(!is.na(x), x, {
      # 筛选当前日期前后30天内的非NA候选值
      candidates <- filter(df, !is.na(x), dates >= !!cur_data()$dates - 30, dates <= !!cur_data()$dates + 30)
      # 按规则排序后取第一个值
      candidates %>%
        mutate(diff_days = abs(dates - !!cur_data()$dates)) %>%
        arrange(diff_days, dates) %>%
        slice(1) %>%
        pull(x)
    })
  ) %>%
  ungroup()

# 查看结果
filled_df$x_filled
# 输出：[1] 10 10 20 20 30 30 30 30 40 40 40

分组场景适配 #

如果数据存在分组（比如有group列），只需在rowwise()前添加分组逻辑：

# 模拟分组数据
grouped_df <- df %>% mutate(group = rep(c("A", "B"), length.out = nrow(df)))

# 分组填充
filled_grouped_df <- grouped_df %>%
  group_by(group) %>%
  rowwise() %>%
  mutate(
    x_filled = ifelse(!is.na(x), x, {
      candidates <- filter(cur_group(), !is.na(x), dates >= !!cur_data()$dates - 30, dates <= !!cur_data()$dates + 30)
      candidates %>%
        mutate(diff_days = abs(dates - !!cur_data()$dates)) %>%
        arrange(diff_days, dates) %>%
        slice(1) %>%
        pull(x)
    })
  ) %>%
  ungroup()

大数据量优化方案（data.table版，性能更高） #

如果数据量极大，逐行处理效率偏低，可使用data.table的滚动连接特性：

library(data.table)

setDT(df)[, dates := as.Date(dates)]
# 提取非NA记录作为参考表
ref_df <- df[!is.na(x)]

# 先向后找最近的候选值，再向前补充，自动处理优先级
df[, x_filled := x]
df[ref_df, x_filled := i.x, on = .(dates <= dates), roll = -30]
df[ref_df, x_filled := fcoalesce(x_filled, i.x), on = .(dates >= dates), roll = 30]

# 查看结果
df$x_filled

内容的提问来源于stack exchange，提问作者Martin