如何将R语言中批量连续缺失值依次替换为指定字符串？

核心思路 #

利用R的rle()函数识别连续的缺失值块，给每个块分配唯一的标识（name1、name2...），再替换回原向量中对应的缺失值位置。

可复用函数实现 #

# 定义批量替换连续NA的函数
replace_na_batches <- function(vec) {
  # 对"是否为NA"的逻辑向量做游程编码
  rle_result <- rle(is.na(vec))
  
  # 找到所有NA对应的游程，分配name1、name2...
  na_run_indices <- which(rle_result$values)
  rle_result$values[na_run_indices] <- paste0("name", seq_along(na_run_indices))
  
  # 非NA的游程设为NA，方便后续还原后不干扰原数据
  non_na_run_indices <- which(!rle_result$values %in% paste0("name", seq_along(na_run_indices)))
  rle_result$values[non_na_run_indices] <- NA
  
  # 还原游程编码为原向量长度的标识向量
  filled_markers <- inverse.rle(rle_result)
  
  # 替换原向量的NA为对应标识，非NA保留原值
  result <- ifelse(is.na(vec), filled_markers, vec)
  return(result)
}

测试示例 #

处理test1

test1 <- c(rep("apple",1),rep("banana",3),rep("cat",1),rep(NA_character_,4),rep("dog",3),rep(NA_character_,2),rep("other",3))
out1 <- replace_na_batches(test1)
out1

输出结果：

[1] "apple"  "banana" "banana" "banana" "cat"    "name1"  "name1"  "name1"  "name1"  "dog"    "dog"   
[12] "dog"    "name2"  "name2"  "other"  "other"  "other" 

处理test2

test2 <- c(rep("setosa",4),rep("versicolor",4),rep(NA_character_,4),rep("virginica",3))
out2 <- replace_na_batches(test2)
out2

输出结果：

[1] "setosa"     "setosa"     "setosa"     "setosa"     "versicolor" "versicolor" "versicolor"
 [8] "versicolor" "name1"      "name1"      "name1"      "name1"      "virginica"  "virginica" 
[15] "virginica" 

关键步骤解释 #

1. 游程编码（rle）：rle(is.na(vec))会把原向量拆分成连续的"NA段"和"非NA段"，记录每段的长度和类型（是否为NA）。
2. 分配批次标识：给每个NA段按顺序分配"name1"、"name2"，非NA段设为NA避免干扰。
3. 还原编码：inverse.rle()把游程编码还原成和原向量等长的标识向量，此时只有原NA位置有nameX标识。
4. 替换缺失值：用ifelse()把原向量的NA替换为对应的nameX，非NA值保持不变。

内容的提问来源于stack exchange，提问作者one