如何用R语言的fifelse替代循环填充数据框空白值？

你可以利用fifelse的向量化特性替代循环，避免重复的条件判断代码。fifelse是data.table包中的函数，能批量处理元素，效率远高于逐行循环。

步骤1：加载依赖包 #

首先需要加载data.table包（若结合dplyr使用也需加载对应包）：

library(data.table)

步骤2：向量化替换空白值 #

以下代码逻辑和你原循环完全一致，实现批量替换：

# 将数据框转为data.table（可选，也可直接处理普通数据框）
setDT(df1)

# 指定需要处理的列
target_cols <- c('a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'j', 'k', 'l')

# 对每列应用fifelse替换逻辑
df1[, (target_cols) := lapply(.SD, function(col) {
  # 仅从第二行开始处理，空白值替换为前一行的值，第一行保持原样
  col[-1] <- fifelse(col[-1] == '', col[-length(col)], col[-1])
  col
}), .SDcols = target_cols]

用dplyr结合fifelse的写法 #

若你习惯dplyr语法，可使用如下写法：

library(dplyr)
library(data.table)

df1 <- df1 %>%
  mutate(across(all_of(target_cols), function(col) {
    col[-1] <- fifelse(col[-1] == '', col[-length(col)], col[-1])
    col
  }))

代码说明 #

• fifelse(条件, 满足条件时的值, 不满足条件时的值)：判断当前元素是否为空白，是则取前一行对应值，否则保留原值。
• 仅处理第二行及以后的元素，确保第一行空白值和原循环逻辑一致（原循环从第2行开始遍历）。
• 向量化操作避免了逐行循环的冗余，数据量越大，效率提升越明显。

内容的提问来源于stack exchange，提问作者rivas