在R中为每个id补全gender与age的所有组合，替换NA值

针对你的需求，我们可以分两种场景处理：仅替换全NA的id为完整组合，或者为所有id补全缺失的组合。

场景1：仅替换全为NA的id（如id4、5） #

如果只需要处理那些只有一行NA的id，保留其他id的原有数据，可以用以下代码：

library(tidyverse)

# 生成gender和age的完整6种组合模板
full_combinations <- crossing(gender = c("M", "F"), age = c("young", "middle", "old"))

# 分组处理每个id
df_fixed <- df %>%
  group_by(id) %>%
  # 标记当前id是否为仅一行且gender/age全NA的情况
  mutate(is_full_na = all(is.na(gender)) && all(is.na(age)) && n() == 1) %>%
  # 对每组进行替换或保留
  group_modify(function(group_data, group_keys) {
    if (group_data$is_full_na[1]) {
      # 替换为完整组合，绑定当前id
      tibble(id = group_keys$id, full_combinations)
    } else {
      # 保留原数据，移除标记列
      group_data %>% select(-is_full_na)
    }
  }) %>%
  ungroup()

场景2：为所有id补全完整6种组合 #

如果希望每个id都确保拥有全部6种组合（不管原有数据是否缺失），可以用连接的方式补全：

library(tidyverse)

full_combinations <- crossing(gender = c("M", "F"), age = c("young", "middle", "old"))

df_fixed <- df %>%
  # 先去重避免重复行干扰
  distinct(id, gender, age, .keep_all = TRUE) %>%
  group_by(id) %>%
  # 与完整组合做全连接，补全缺失项
  full_join(full_combinations, by = c("gender", "age")) %>%
  # 填充id列（全连接后缺失的id会被NA填充，用当前组的id替换）
  mutate(id = first(id)) %>%
  # 过滤掉无效的NA行
  filter(!is.na(id)) %>%
  ungroup()

代码说明 #

• crossing：生成gender和age的所有笛卡尔积组合，也就是你需要的6种完整配对。
• group_modify：针对每个id组进行自定义处理，灵活区分全NA组和正常组。
• full_join：通过连接操作自动补全每个id缺失的组合，适合需要统一所有id结构的场景。

内容的提问来源于stack exchange，提问作者raven