如何在data.table中按条件高效替换缺失的description值？

核心逻辑 #

按id分组，将空字符串的description替换为当前id下日期最新的非空description；若当前id无任何非空description，则保留空值。

示例数据转换 #

先将你提供的data.frame转为data.table：

library(data.table)
set.seed(3)
dt <- as.data.table(
  data.frame(
    seqs = 1:11 ,
    id = c(1,1,1,2,3,3,4,4,4,4,5) ,
    description = c("Red","Red","","","Blue","Blue","Red","Red","","Red","Blue"),
    dates = sample(2000:2020, 11, TRUE)
  )
)

高效替换代码 #

直接通过data.table分组操作完成替换，无需额外映射表，内存效率适配百万级数据：

dt[, {
  # 获取当前id下最新的非空描述值，无则为空字符串
  latest_desc <- if (any(description != "")) {
    .SD[description != "", .SD[which.max(dates)]$description]
  } else {
    ""
  }
  # 替换空描述
  description := fifelse(description == "", latest_desc, description)
}, by = id]

结果验证 #

• seqs=3（id=1）：替换为同id下最新非空的"Red"
• seqs=4（id=2）：因同id无其他非空值，保留空字符串
• seqs=9（id=4）：替换为同id下最新非空的"Red"

性能说明 #

该方案完全基于data.table的原生分组机制，避免了不必要的数据复制或转换，内存占用低，处理百万级数据集时效率远高于循环或非data.table方法。

内容的提问来源于stack exchange，提问作者MatthewR