使用参考行数据填充缺失值：R语言多案例数据集补全需求

问题场景 #

数据集包含多个case，每个case固定对应2个obs（观测1和观测2）。部分case的obs和value字段全为缺失值（NA），需要用已有完整数据的case中对应obs的数值进行填充，且方案需适配大规模数据集。

示例数据 #

# 构造示例数据集
df <- data.frame(
  case = c(1, 1, 2, 2),
  obs = c(1, 2, NA, NA),
  value = c(3, 7, NA, NA)
)

解决方案1：tidyverse 实现（灵活易读） #

利用dplyr和tidyr的组合，先补全每个case的obs序列，再匹配参考数据填充value：

library(tidyverse)

# 提取完整的obs-value映射（这里以case=1的有效数据为参考，可按需调整）
ref_map <- df %>%
  filter(!is.na(obs), !is.na(value)) %>%
  distinct(obs, value)

# 补全obs并填充缺失值
filled_df <- df %>%
  group_by(case) %>%
  # 为每个case生成固定的obs序列：1和2
  complete(obs = c(1, 2)) %>%
  ungroup() %>%
  # 匹配参考映射
  left_join(ref_map, by = "obs", suffix = c("_original", "_ref")) %>%
  # 优先保留原非NA值，否则用参考值填充
  mutate(value = coalesce(value_original, value_ref)) %>%
  select(case, obs, value)

# 查看结果
print(filled_df)

解决方案2：data.table 实现（高效适配大规模数据） #

如果数据集规模较大（数百个case以上），data.table的操作速度更有优势：

library(data.table)

setDT(df)

# 提取参考的obs-value映射
ref_map <- df[!is.na(obs) & !is.na(value), .(obs, value)]

# 生成每个case的完整obs序列，合并填充
filled_df <- df[, .(obs = c(1, 2)), by = case] %>%
  merge(ref_map, by = "obs", all.x = TRUE)

# 查看结果
print(filled_df)

通用适配说明 #

• 如果不同case需要对应不同的参考值（比如每个case有专属的基准case），只需调整ref_map的生成逻辑，例如按分组提取每个组的有效参考数据。
• 若每个case的obs数量不是固定2个，可将c(1,2)替换为实际的观测序列（比如从有效数据中提取所有唯一obs值）。

内容的提问来源于stack exchange，提问作者Michael Matta