如何按特定条件替换数据框中的NA值（针对first_column=1的行）

你可以通过针对目标行组的定向填充来实现需求，以下提供两种简洁的实现方式：

方法一：使用dplyr包（推荐） #

借助dplyr的条件判断和coalesce函数，精准处理目标行的NA填充：

library(dplyr)

df2 <- df %>%
  mutate(
    # 仅对first_column=1的行，用该组Third_column的非NA值补全second_column的NA
    second_column = case_when(
      first_column == 1 ~ coalesce(second_column, na.omit(Third_column[first_column == 1])),
      TRUE ~ second_column
    ),
    # 仅对first_column=1的行，用该组second_column的非NA值补全Third_column的NA
    Third_column = case_when(
      first_column == 1 ~ coalesce(Third_column, na.omit(second_column[first_column == 1])),
      TRUE ~ Third_column
    )
  )

运行后得到的结果完全符合要求：

> df2
  first_column second_column Third_column
1            1           0.5          0.8
2            1           0.5          0.8
3            2           0.3          0.7
4            2           0.8          0.4
5            2          NA            0.7

方法二：基础R原生实现 #

无需额外安装包，通过逻辑索引定位目标行后直接填充：

# 定位first_column等于1的行
target_rows <- df$first_column == 1

# 提取目标行中两列的非NA有效值
second_non_na <- na.omit(df$second_column[target_rows])
third_non_na <- na.omit(df$Third_column[target_rows])

# 填充second_column的NA
df$second_column[target_rows & is.na(df$second_column)] <- second_non_na
# 填充Third_column的NA
df$Third_column[target_rows & is.na(df$Third_column)] <- third_non_na

# 此时df即为你需要的结果

关键逻辑说明 #

针对first_column==1的行组，我们先提取该组内另一列的非NA有效值（你的案例中该组内两列的非NA值各有一个，直接提取即可），再用这些值补全当前列的NA。如果后续遇到组内有多组非NA值的情况，可根据需求替换为取均值、最大值等聚合值。

内容的提问来源于stack exchange，提问作者JuanJMV