R语言dplyr包fill函数按组填充数据框失效问题

问题背景 #

按record_id分组，对数据框中的A_returne、C_returned_date、D_returned_date列执行fill(.direction = "downup")操作未达预期，最终目标是先填充这些日期列，再找出每行的最早日期。

原始数据与代码 #

数据结构 #

mydata <- structure(
  list(
    record_id = c(1L, 2L, 3L, 4L, 5L, 5L),
    inst = c("", "", "", "", "", "rectr"),
    instance = c(NA, NA, NA, NA, NA, 1L),
    A_returne = c("", "2019-11-07", "2019-11-08", "2019-11-07", "", ""),
    B_date = c("2018-10-29", "", "", "", "2018-11-27", ""),
    C_returned_date = c("2018-11-10", "", "", "", "2018-12-12", ""),
    D_returned_date = c("2021-05-21", "", "", "", "", ""),
    A_ordered = c("", "", "", "", "", "2021-01-14"),
    B_received = c("", "", "", "", "", "2021-02-17")
  ),
  row.names = c(NA, 6L),
  class = "data.frame"
)

原始代码 #

mydata %>%
  group_by(record_id) %>%
  fill(A_returne,C_returned_date,D_returned_date, .direction ="downup")

问题原因 #

fill()函数默认只处理NA值，但你的数据中空缺的日期是用空字符串""表示的，所以fill()不会对这些空字符串进行填充，这就是操作未达预期的核心原因。

解决方案 #

步骤说明 #

1. 将空字符串转换为NA，让fill()能识别空缺值
2. 按record_id分组，用downup方向填充指定日期列
3. 将填充后的列转换为日期格式，方便后续比较
4. 提取每行指定日期列中的最早日期

完整代码 #

library(dplyr)
library(tidyr)

# 处理空字符串+分组填充
filled_data <- mydata %>%
  mutate(across(c(A_returne, C_returned_date, D_returned_date), ~na_if(., ""))) %>%
  group_by(record_id) %>%
  fill(A_returne, C_returned_date, D_returned_date, .direction = "downup") %>%
  ungroup() %>%
  # 转换为日期类型
  mutate(across(c(A_returne, C_returned_date, D_returned_date), as.Date))

# 提取每行最早日期
final_data <- filled_data %>%
  rowwise() %>%
  mutate(earliest_date = min(c_across(A_returne:D_returned_date), na.rm = TRUE)) %>%
  ungroup()

print(final_data)

结果说明 #

执行后，每个record_id组内的空缺日期会被上下非空值填充，新增的earliest_date列会显示该行三个日期列中的最早日期。

内容的提问来源于stack exchange，提问作者akang