R语言按产品填充Amount列缺失值：用非缺失月份均值计算

方法一：使用dplyr包（tidyverse风格） #

先加载dplyr工具包，按Product分组后，批量处理所有Amount开头的列，用对应产品该列的非缺失值均值填充NA：

library(dplyr)

# 基于原始数据框（仅保留Month、Product、Amount1、Amount2列）处理
df_filled <- df %>%
  group_by(Product) %>%
  mutate(across(starts_with("Amount"), ~coalesce(., mean(., na.rm = TRUE)))) %>%
  ungroup()

核心逻辑说明：

• group_by(Product)：确保每个产品单独计算自身的列均值，不会跨产品混淆
• across(starts_with("Amount"))：一次性批量处理所有Amount开头的列，不用单独写两列的逻辑
• coalesce(., mean(., na.rm = TRUE))：将每个NA值替换为该组对应列的非缺失值均值

方法二：使用data.table包（大数据场景更高效） #

如果你的数据量较大，data.table的处理速度会更有优势：

library(data.table)

setDT(df)
# 按Product分组，填充Amount1、Amount2的NA
filled_amounts <- df[, lapply(.SD, function(x) ifelse(is.na(x), mean(x, na.rm = TRUE), x)), 
                     by = Product, 
                     .SDcols = c("Amount1", "Amount2")]
# 合并回原数据的Month和Product列
df_filled <- cbind(df[, .(Month, Product)], filled_amounts)

结果验证 #

处理后的df_filled中，Amount1、Amount2列会和示例里的Calculated1、Calculated2完全匹配：

• 产品A的Amount1均值为(100+200)/2=150，填充了Month2的NA
• 产品B的Amount1均值为(200+400)/2=300，填充了Month3的NA
• 产品A的Amount2均值为(100+300)/2=200，填充了Month2的NA
• 产品B的Amount2均值为(200+500)/2=350，填充了Month2的NA

内容的提问来源于stack exchange，提问作者Arun kumar