如何在R中用前值最多填充连续n个缺失值（NA）？

在R中填充缺失值（NA）有多种方式，但找不到仅用前值最多填充连续n个缺失值的方案。先看现有方法的局限性：

na_vector <- c(1, NA, NA, NA, 2, 3, NA, NA)

library(zoo)

# na.locf会用前值填充所有后续NA
na.locf(na_vector)
# 输出: [1] 1 1 1 1 2 3 3 3

# na.locf0的maxgap参数控制的是"允许填充的NA段的最大长度"，而非"每个NA段内最多填充n个"
# 比如设置maxgap=2时，长度超过2的NA段会完全不填充
na.locf0(na_vector, maxgap = 2)
# 输出: [1] 1 NA NA NA  2  3  3  3

我们需要的效果是：对连续的NA段，仅填充前n个NA，剩余的NA保留。期望示例如下：

na_vector <- c(1, NA, NA, NA, 2, 3, NA, NA)

fill_na <- function(vector, n){
   # 实现逻辑
}

# 最多填充连续1个NA
fill_na(na_vector, n = 1)
# 输出: [1] 1 1 NA NA  2  3  3  NA

# 最多填充连续2个NA
fill_na(na_vector, n = 2)
# 输出: [1] 1 1 1 NA  2  3  3  3

实现方案 #

下面是两种可行的实现方式：

基于dplyr的实现（逻辑清晰）

library(dplyr)

fill_na <- function(vector, n) {
  tibble(val = vector) %>%
    # 用非NA值分割分组：每遇到一个非NA值，开启新分组
    mutate(na_group = cumsum(!is.na(val))) %>%
    group_by(na_group) %>%
    mutate(
      # 计算当前NA在所属连续NA段中的位置
      pos_in_group = row_number(),
      # 填充规则：仅当是NA且位置<=n时，用分组内第一个非NA值（即前值），否则保留原内容
      filled_val = ifelse(is.na(val) & pos_in_group <= n, first(val[!is.na(val)]), val)
    ) %>%
    # 提取填充后的结果
    pull(filled_val)
}

基于base R的实现（无额外依赖）

fill_na <- function(vector, n) {
  # 生成连续NA/非NA的分组标识
  rle_obj <- rle(is.na(vector))
  group_ids <- rep(seq_along(rle_obj$values), rle_obj$lengths)
  
  result <- vector
  # 遍历每个分组
  for (g in unique(group_ids)) {
    group_vals <- result[group_ids == g]
    # 仅处理NA分组，且该分组前面有非NA值
    if (all(is.na(group_vals)) && g > 1) {
      # 获取前一个分组的最后一个非NA值作为填充值
      fill_val <- result[group_ids == g - 1][length(result[group_ids == g - 1])]
      # 计算需要填充的数量：取n和分组长度的较小值
      fill_count <- min(n, length(group_vals))
      # 填充前fill_count个NA
      result[group_ids == g][seq_len(fill_count)] <- fill_val
    }
  }
  result
}

测试验证 #

运行测试代码验证效果：

na_vector <- c(1, NA, NA, NA, 2, 3, NA, NA)

fill_na(na_vector, n = 1)
# 输出: [1]  1  1 NA NA  2  3  3 NA

fill_na(na_vector, n = 2)
# 输出: [1]  1  1  1 NA  2  3  3  3

内容的提问来源于stack exchange，提问作者Pedro Teles