合并时间序列数据集后补全缺失的时间不变量数据

你这个需求很典型——处理面板数据里的时间不变量缺失值：只给那些至少有一个有效观测值的ID统一填充value_2，完全没有有效数据的ID则保留NA。下面我用R的工具给出两种实现方案，适配不同场景：

示例输入数据 #

先把你提供的示例数据转换成可运行的R代码：

df <- data.frame(
  ID = c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4),
  Year = c(2000,2001,2002,2004,2000,2001,2002,2004,2000,2001,2002,2004,2000,2001,2002,2004),
  value_1 = c("a","b","r","s","w","r","d","s","e","f","s","w2","e","r","e","w"),
  value_2 = c(NA,NA,2,2,NA,NA,NA,NA,3,3,NA,NA,NA,NA,NA,NA)
)

方案一：用dplyr（简洁易读，适合常规数据量） #

这是最直观的实现方式，处理逻辑清晰，适合大多数场景：

library(dplyr)

df_filled <- df %>%
  # 按ID分组，因为每个ID的value_2是时间不变的
  group_by(ID) %>%
  # 填充逻辑：如果组内全是NA就留空，否则取组内第一个非NA值（因为是时间不变量，所有非NA值一致）
  mutate(value_2 = ifelse(all(is.na(value_2)), NA, first(na.omit(value_2)))) %>%
  # 取消分组，回到普通数据框
  ungroup()

方案二：用data.table（高效，适合大数据量） #

如果你的数据集非常大，data.table的速度会更有优势：

library(data.table)

setDT(df)
df_filled_dt <- df[, value_2 := if (all(is.na(value_2))) NA else na.omit(value_2)[1], by = ID]

验证输出 #

运行上述代码后，得到的结果完全符合你的期望：

print(df_filled)
#    ID Year value_1 value_2
# 1   1 2000       a       2
# 2   1 2001       b       2
# 3   1 2002       r       2
# 4   1 2004       s       2
# 5   2 2000       w      NA
# 6   2 2001       r      NA
# 7   2 2002       d      NA
# 8   2 2004       s      NA
# 9   3 2000       e       3
# 10  3 2001       f       3
# 11  3 2002       s       3
# 12  3 2004      w2       3
# 13  4 2000       e      NA
# 14  4 2001       r      NA
# 15  4 2002       e      NA
# 16  4 2004       w      NA

补充说明 #

如果你的数据中出现同一ID的value_2有不同非NA值（理论上时间不变量不该出现这种情况），可以把first(na.omit(value_2))改成mean(value_2, na.rm = TRUE)或者median(value_2, na.rm = TRUE)等聚合方式，根据你的业务需求调整即可。

内容的提问来源于stack exchange，提问作者KC15