使用dplyr按行分组填充列的高效实现方法求助

问题场景 #

你有如下结构的数据集（示例已简化，实际包含更多行和列）：

class section
a NA
b s1
c NA
d NA

a NA
b s2
c NA
d NA

a NA
b s3
c NA
d NA

数据以每组a、b、c、d为一个分组，a始终在b之前，c、d始终在b之后。需要将每组中b对应的section值，填充到同组的a、c、d行的section列中，期望结果如下：

class section
a s1
b s1
c s1
d s1

a s2
b s2
c s2
d s2

a s3
b s3
c s3
d s3

之前用for循环+if-else实现时，因数据量过大效率极低，希望用dplyr实现高效处理。

解决方案 #

通过生成分组标识+向量化填充的方式实现，具体代码如下：

library(dplyr)

# 假设你的数据框名为df
df <- df %>%
  # 生成分组ID：每遇到class为a时，开启新分组
  mutate(group_id = cumsum(class == "a")) %>%
  # 按分组处理，提取每组b对应的section值填充整组
  group_by(group_id) %>%
  mutate(section = section[class == "b"]) %>%
  # 取消分组并移除临时标识列（按需保留）
  ungroup() %>%
  select(-group_id)

代码说明 #

• cumsum(class == "a")：利用class等于a时返回1的特性，累加后生成连续的分组ID，自动将每组a、b、c、d划为同一组。
• group_by(group_id)：按生成的分组ID执行组内操作。
• section = section[class == "b"]：在每个分组内提取class为b对应的唯一有效section值，自动填充整组的section列，覆盖NA值。
• 最后取消分组并移除临时的group_id，得到目标结果。

该方法为向量化操作，相比循环效率提升显著，适合处理大数据量。

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