R语言：用另一数据框批量替换主数据框缺失值的问题

数据模拟 #

主数据框（MAIN DF） #

index=c(1:10)
SKU = c('I-1','I-9','I-4','I-1','I-6','I-9','I-2','I-3','I-8','I-9')
COST=c(17,15,10,NA,12,NA,8,12,10,NA)
main = data.frame(index, SKU, COST)
main    

填充数据框（FILL DF） #

SKU = c('I-1','I-2','I-3','I-4','I-6','I-8','I-9')
COST=c(19,8,12,10,12,10,11)
fill = data.frame(SKU, COST)
fill

需求说明 #

需根据fill数据框中SKU对应的唯一成本值（由聚合均值计算得到），填充main数据框COST列的NA值。实际业务场景中，SKU会因促销存在多个成本记录，fill是每个SKU的标准化成本。

原代码问题 #

尝试以下代码后，无法填充所有NA值：

main$COST[is.na(main$COST)] <- fill$COST[match(main$SKU, fill$SKU)]
main

预期索引4、6、10的NA会被fill中对应值（19、11、11）填充，但实际索引6仍为NA，原代码仅能处理单个NA，无法应对同一SKU的多个NA情况。

问题原因 #

原代码的赋值逻辑存在长度不匹配问题：

• fill$COST[match(main$SKU, fill$SKU)]生成的是与main行数一致的10元素向量，包含所有SKU的填充值
• 但赋值时仅选中main$COST中的3个NA位置，R会自动截取向量的前3个值来匹配赋值，而这前3个值中没有对应索引6、10的SKU-I9的填充值，导致部分NA未被正确替换。

解决方法 #

方法1：修正base R赋值逻辑 #

先生成完整的填充值向量，再精准替换NA位置：

# 生成每个SKU对应的填充值向量
fill_values <- fill$COST[match(main$SKU, fill$SKU)]
# 仅替换COST为NA的位置
main$COST[is.na(main$COST)] <- fill_values[is.na(main$COST)]

方法2：使用dplyr关联填充（推荐，可读性高） #

通过left_join关联数据框，再合并COST列：

library(dplyr)
main <- main %>%
  left_join(fill, by = "SKU", suffix = c("", "_fill")) %>%
  mutate(COST = ifelse(is.na(COST), COST_fill, COST)) %>%
  select(-COST_fill)

方法3：base R merge方式 #

# 合并两个数据框，保留main的所有行
merged <- merge(main, fill, by = "SKU", suffixes = c("", "_fill"), all.x = TRUE)
# 填充NA值
merged$COST <- ifelse(is.na(merged$COST), merged$COST_fill, merged$COST)
# 还原原数据框结构并按index排序
main <- merged[, c("index", "SKU", "COST")]
main <- main[order(main$index), ]

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