如何对宽格式日时间序列DataFrame进行局部线性插值填充NA值？

方法思路 #

针对每一行的日期序列数据，对每个NA值仅使用其前后指定窗口范围内的非NA值进行线性插值，避免全局插值带来的跨年度偏差。我们可以通过自定义行处理函数或结合滚动窗口工具实现这一需求。

代码实现 #

1. 加载必要包 #

library(dplyr)
library(zoo)

2. 自定义局部插值函数 #

这个函数会对每个NA值划定前后指定大小的窗口，仅用窗口内的非NA值做线性插值：

local_approx <- function(x, window_size = 3) {
  # 遍历所有NA的位置
  for (i in which(is.na(x))) {
    # 计算窗口的起止范围，避免超出序列边界
    window_start <- max(1, i - window_size)
    window_end <- min(length(x), i + window_size)
    
    # 提取窗口内的非NA值及其对应位置
    non_na_pos <- which(!is.na(x[window_start:window_end])) + window_start - 1
    non_na_vals <- x[non_na_pos]
    
    # 窗口内至少有2个非NA值时才进行插值
    if (length(non_na_vals) >= 2) {
      z <- zoo(non_na_vals, order.by = non_na_pos)
      x[i] <- as.numeric(na.approx(z, xout = i))
    }
    # 非NA值不足时保持原NA，可自行修改为填充最近值等逻辑
  }
  return(x)
}

3. 应用函数到DataFrame的每一行 #

# 对每一行应用局部插值，window_size设为3（前后各3列的范围）
Tempdf_filled <- Tempdf %>%
  rowwise() %>%
  mutate(across(everything(), ~local_approx(., window_size = 3))) %>%
  ungroup()

4. 高效替代方案（滚动窗口实现） #

针对超1000列的大数据集，用apply结合滚动窗口函数效率更高：

local_approx_roll <- function(x, window_size = 3) {
  # 滚动窗口大小为2*window_size+1，对齐方式设为中心
  rollapply(x, width = 2*window_size + 1, 
            FUN = function(w) {
              if (length(na.omit(w)) >=2) na.approx(w, xout = window_size+1) else NA
            },
            align = 'center', fill = NA)
}

# 按行处理并还原DataFrame结构
Tempdf_filled_roll <- t(apply(Tempdf, 1, local_approx_roll, window_size=3)) %>%
  as.data.frame() %>%
  setNames(names(Tempdf))

注意事项 #

• 调整window_size参数可控制局部范围大小，比如设为1表示仅用前后各1列的数据插值；
• 若窗口内非NA值不足2个，函数会保留NA，可修改逻辑为用na.locf填充最近值；
• 针对超大规模数据集，优先选择apply或data.table的行处理方法提升效率。

内容的提问来源于stack exchange，提问作者RGR_288