基于分组计数的R数据框sleep列NA值填充需求

先复现你的数据：

group = c(1,1,4,4,4,5,5,6,1,4,6,1,1,1,1,6,4,4,4,4,1,4,5,6)
animal = c('a','b','c','c','d','a','b','c','b','d','c','a','a','a','a','c','c','c','c','c','a','c','a','c')
sleep = c('y','n','y','y','y','n','n','y','n','y','n','y','y','n','m','y','n','n','n','n',NA, NA, NA, NA)

test = data.frame(group, animal, sleep)

你的需求是：针对test数据框中sleep列的NA值，按照group和animal的分组，用该分组内计数最高的sleep值进行填充。

实现代码 #

library(dplyr)

# 1. 计算每个(group, animal)分组下的sleep众数（最高计数的取值）
mode_df <- test %>%
  group_by(group, animal) %>%
  filter(!is.na(sleep)) %>%  # 排除NA，避免干扰计数
  count(sleep, sort = TRUE) %>%  # 按计数降序排列
  slice(1) %>%  # 取每组计数最高的那一行
  ungroup() %>%
  select(group, animal, sleep_mode = sleep)  # 重命名列方便后续连接

# 2. 将众数映射回原数据框，填充NA
test_filled <- test %>%
  left_join(mode_df, by = c("group", "animal")) %>%
  mutate(sleep = ifelse(is.na(sleep), sleep_mode, sleep)) %>%
  select(-sleep_mode)  # 移除临时列

print(test_filled)

代码说明 #

• 第一步里，count(sleep, sort = TRUE)会按分组统计sleep各取值的出现次数并降序排列，slice(1)直接提取每组计数最高的取值作为分组众数；
• 第二步通过left_join把分组众数匹配到原数据，再用ifelse替换sleep列的NA值；
• 如果分组内有多个sleep值计数并列最高，slice(1)会取排序后的第一个值，若需处理这种情况，可根据需求调整逻辑（比如保留所有并列值或自定义选择规则）。

结果验证 #

• Group 1、Animal a的sleep值中，'y'出现4次，是计数最高的，因此对应NA会被填充为'y'；
• Group 4、Animal c的sleep值中，'n'出现5次，是计数最高的，对应NA会被填充为'n'，完全符合你的预期。

内容的提问来源于stack exchange，提问作者Michael Zhao