如何用R data.table惯用方法补全id-name对中的缺失值

这是个很典型的data.table填充NA的场景，你的问题核心是没搞清楚data.table链式操作中:=的作用对象——你之前的代码修改的是子集副本，不是原表！

为什么你的尝试没生效？ #

你写的代码：

id_name[is.na(name)][id_name[!is.na(name)], on="id", name:=i.name]

第一个[is.na(name)]会生成原表的临时子集（仅包含name为NA的行），后续的:=操作只会修改这个临时子集，根本没触碰到原表id_name，所以你查看原表时自然看不到变化。

正确的data.table惯用写法 #

我们需要直接在原表上做原地更新，借助data.table的连接和分组生成映射关系，再填充NA。步骤分为两步：先根据非NA的id填充name的NA，再根据非NA的name填充id的NA。

完整代码如下：

library(data.table)

# 你的原始数据集
id_name = data.table(stringsAsFactors=FALSE, 
                     id = c("x123", "xy234","x123",NA,"z123","y123","d654","d654"), 
                     name = c("john", "mary", NA,"mary","bob","bob", "john",NA) )

# 步骤1：填充name列的NA（仅处理id非NA的行）
id_name[is.na(name) & !is.na(id), 
        name := id_name[!is.na(name), .(name = first(name)), by = id][.SD, on = "id", x.name]]

# 步骤2：填充id列的NA（仅处理name非NA的行）
id_name[is.na(id) & !is.na(name), 
        id := id_name[!is.na(id), .(id = first(id)), by = name][.SD, on = "name", x.id]]

# 查看最终结果
id_name

运行后会得到你预期的结果：

id  name
1:  x123  john
2: xy234  mary
3:  x123  john
4: xy234  mary
5:  z123   bob
6:  y123   bob
7:  d654  john
8:  d654  john

代码关键逻辑解释 #

• id_name[!is.na(name), .(name = first(name)), by = id]：按id分组，提取每个id对应的第一个非NAname，生成去重的id-name映射表。
• [.SD, on = "id", x.name]：将当前需要填充的子集（.SD，即name为NA且id非NA的行）和映射表按id连接，用映射表的name值填充NA。
• 填充id列的逻辑同理：按name分组生成name-id映射表，再填充对应NA。

如果遇到同一个id对应多个不同name（或同一个name对应多个不同id）的情况，你可以把first()换成last()或其他聚合函数，根据业务需求调整即可。

内容的提问来源于stack exchange，提问作者maximus