如何使用R语言基于列间比率回填时序数据中的缺失/0值

核心逻辑 #

你的数据集按年份+美国州排序，所以必须按州分组处理，每个州单独执行以下步骤：

• 定位该州c1列第一个非0、非缺失值的位置
• 提取该位置下一行的c1/c2作为基准比率
• 用该比率乘以前面所有更早年份的c2值，替换c1中的0值

代码实现 #

假设数据集包含state列用于分组，使用dplyr包处理效率最高：

首先加载依赖包：

library(dplyr)

编写分组处理逻辑：

df_filled <- df %>%
  # 按州分组，确保每个州独立计算
  group_by(state) %>%
  mutate(
    # 标记c1的有效非0/非缺失值
    is_valid = !is.na(c1) & c1 != 0,
    # 找到第一个有效值的行位置
    first_valid_pos = min(which(is_valid)),
    # 获取下一行的c1/c2比率（若第一个有效值是最后一行，可按需补充默认值）
    ratio = ifelse(first_valid_pos < n(), c1[first_valid_pos + 1]/c2[first_valid_pos + 1], NA),
    # 回填c1：早于第一个有效位置的0值用ratio*c2替换，其余保留原值
    c1_filled = case_when(
      row_number() < first_valid_pos & c1 == 0 ~ ratio * c2,
      TRUE ~ c1
    )
  ) %>%
  # 移除中间辅助列（可选操作）
  select(-is_valid, -first_valid_pos, -ratio) %>%
  ungroup()

针对单州示例数据的简化版 #

如果是你提供的无state列的示例数据，去掉分组逻辑即可：

df_example_filled <- df %>%
  mutate(
    is_valid = !is.na(c1) & c1 != 0,
    first_valid_pos = min(which(is_valid)),
    ratio = ifelse(first_valid_pos < n(), c1[first_valid_pos + 1]/c2[first_valid_pos + 1], NA),
    c1_filled = case_when(
      row_number() < first_valid_pos & c1 == 0 ~ ratio * c2,
      TRUE ~ c1
    )
  ) %>%
  select(-is_valid, -first_valid_pos, -ratio)

运行后示例数据的c1_filled列结果为：≈4.76、≈4.87、≈5.18、5.4、5.5、5.8，完全符合需求。

注意事项 #

• 若某州c1全为0/缺失，ratio会返回NA，可根据业务需求补充默认值处理
• 确保数据集已按state和y（年份）排序，否则位置判断会出错

内容的提问来源于stack exchange，提问作者gered