如何用R按ID向前填充神经酰胺列的缺失值？

需求说明 #

针对神经酰胺列在time2、time3或time4的缺失值，需按以下规则用同一unqid对应的最近前序时间点值填充：

• 若time4值缺失，优先用time3的值填充
• 若time3和time4均缺失，用time2的值填充两者的缺失值
• 填充值必须来自同一ID的记录

实现代码 #

基于你已筛选出的ceramides列，使用dplyr和tidyr工具包即可完成需求：

# 先安装依赖包（首次运行时执行）
install.packages(c("dplyr", "tidyr"))

# 加载工具包
library(dplyr)
library(tidyr)

# 按ID分组，按时间排序后对神经酰胺列做前向填充
filled_data <- long_data %>%
  group_by(unqid) %>%
  arrange(time, .by_group = TRUE) %>%  # 保证每个ID内记录按time顺序排列
  mutate(across(all_of(ceramides), ~ fill(., .direction = "down"))) %>%
  ungroup()

代码解释 #

• group_by(unqid)：限定所有操作在同一唯一ID的分组内执行，确保填充值来自同ID记录
• arrange(time, .by_group = TRUE)：确保每个ID内的记录按time从1到4排序，保证前序时间点的顺序正确性
• mutate(across(all_of(ceramides), ~ fill(., .direction = "down")))：对所有神经酰胺列执行前向填充，完全匹配你的规则：
  • time4的缺失会被上方最近的time3值填充（若time3有值）
  • 若time3也缺失，会自动向上取time2的值，同时填充time3和time4的缺失

结果验证 #

可以通过以下代码确认填充效果：

# 查看填充后神经酰胺列的缺失总数
colSums(is.na(filled_data[ceramides]))

# 查看特定ID的填充结果（以unqid=5777为例）
filter(filled_data, unqid == 5777)

内容的提问来源于stack exchange，提问作者stephr