采用Last Observation Carried Backward填充患者数据连续NA值的R实现需求

现有患者数据框，需对Start_Window字段的NA值按以下规则替换：

• 同一患者下的连续NA段，用该段最后一行的Start_Date向前填充整个连续段
• 单个NA值直接使用对应行的Start_Date填充

原始数据如下：

可复现代码：

# 创建数据框
df <- data.frame(
  Row_Num = c(1:15),
  Patient_ID = c(rep(001, 10), rep(002, 5)),
  Start_Date = c("2023-04-01", "2023-04-03", "2023-04-05", "2023-04-06", "2023-04-08",
                 "2023-04-09", "2023-04-11", "2023-04-13", "2023-04-16", "2023-04-18",
                 "2023-04-02", "2023-04-04", "2023-04-07", "2023-04-08", "2023-04-10"),
  Start_Window = c("2023-04-01", NA, NA, NA, NA, "2023-04-09", "2023-04-11", NA, NA, "2023-04-18",
                   "2023-04-02", "2023-04-04", "2023-04-07", "2023-04-08", NA)
)

# 打印数据框
print(df)

使用dplyr包实现分组处理，步骤如下：

1. 将日期列转换为Date类型，避免字符操作问题
2. 按患者ID分组，识别连续的NA段
3. 对每个NA段，用组内最后一行的Start_Date填充；单个NA直接使用本行Start_Date

完整代码：

library(dplyr)

# 转换日期列类型
df <- df %>%
  mutate(
    Start_Date = as.Date(Start_Date),
    Start_Window = as.Date(Start_Window)
  )

# 处理NA填充
df_processed <- df %>%
  group_by(Patient_ID) %>%
  # 创建NA分组标记：连续的NA为同一组，非NA标记为0
  mutate(
    na_group = cumsum(!is.na(Start_Window))
  ) %>%
  group_by(Patient_ID, na_group) %>%
  # 对每个NA组，用组内最后一行的Start_Date填充
  mutate(
    Start_Window = ifelse(is.na(Start_Window), last(Start_Date), Start_Window)
  ) %>%
  ungroup() %>%
  select(-na_group) # 移除临时分组列

# 查看结果
print(df_processed)

处理后的数据符合要求：

• 行2-5的Start_Window统一填充为2023-04-08
• 行8-9的Start_Window统一填充为2023-04-16
• 行15的Start_Window填充为2023-04-10

内容的提问来源于stack exchange，提问作者Mark