如何用data.table高效填充NA值（取最近非NA观测值）

我有如下data.table数据：

library(data.table)
dt.tst <- CJ(Type = c("A", "B"),
             Range_val = seq(0,20000, by = 1000))


dt.tst[Range_val == 2000 & Type == "A", Value := 0.987]
dt.tst[Range_val == 2000 & Type == "B", Value := 1.987]

dt.tst[Range_val == 9000 & Type == "A", Value := 1.056]
dt.tst[Range_val == 9000 & Type == "B", Value := 2.138]

dt.tst[Range_val == 16000 & Type == "A", Value := 1.563]
dt.tst[Range_val == 16000 & Type == "B", Value := 2.089]

需要填充Value列的NA值，要求：

• 按Type分组，根据Range_val取最近的非NA值填充
• 若距离相同，优先取较大Range_val对应的Value（优先保证速度）
  目前用for循环实现但速度慢，求高效的data.table方案，数据中必有非NA值，间隔不固定。

利用data.table的分组滚动连接可以高效解决这个问题，这是针对近邻匹配场景的优化操作：

# 提取各分组下的非NA值记录
non_na_dt <- dt.tst[!is.na(Value)]

# 按Type分组执行滚动连接，匹配最近的非NA值
dt.tst[, Value := non_na_dt[.SD, on = .(Type, Range_val), roll = "nearest", x.Value]]

关键说明 #

• 滚动连接逻辑：roll = "nearest"参数会自动为每条NA记录匹配同组内Range_val最接近的非NA记录，底层实现高效，远快于for循环
• 距离相同的优先级：当两个非NA值与目标Range_val距离相等时，data.table的滚动连接默认会选取Range_val更大的那条记录，刚好满足需求
• 兼容性：该方法适用于任意间隔的非NA值，只要每组存在至少一个非NA值即可

如果需要显式控制优先级，可预先对非NA记录按Range_val降序排列，效果一致且不影响性能：

non_na_dt <- dt.tst[!is.na(Value)][order(Type, -Range_val)]
dt.tst[, Value := non_na_dt[.SD, on = .(Type, Range_val), roll = "nearest", x.Value]]

内容的提问来源于stack exchange，提问作者ErrantBard