R语言按分组基于前一行值递推计算填充data.frame的NA值

问题说明 #

现有测试数据框结构如下：

df <- data.frame(id = c(12345,12345,12345,221,221,221),
                 range_key = c('2022 Q2','2022 Q3','2023 Q4','2022 Q2','2023 Q3','2023 Q4'),
                 country = c('US','US','US','CA','CA','CA'),
                 value = c(10,8,NA,5,NA,NA), 
                 pct = c(-0.2,-0.2,-0.2,-0.12,-0.12,-0.12))

处理要求：

• 按id、country字段对数据分组
• 每个分组内按时间顺序逐行处理，value列的缺失值用前一行的value计算填充
• 计算逻辑：当前行value = 前一行value + 前一行value * pct，化简后等价于当前行value = 前一行value * (1 + pct)（你贴的原始公式存在未闭合的括号，按逻辑补全后就是上述形式）

实现代码 #

方案1：dplyr 递推实现（推荐，代码简洁不易错） #

核心是用accumulate2做逐行累积计算，遇到已有非NA值就直接保留，遇到NA就按公式用上一个有效值推导，注意一定要先按季度字段排序，避免行顺序错乱导致计算错误：

library(dplyr)

df_res <- df %>%
  arrange(id, country, range_key) %>%
  group_by(id, country) %>%
  mutate(
    value = accumulate2(
      value, pct,
      ~ ifelse(is.na(.y), ..1 * (1 + ..3), .y)
    ) %>% unlist()
  ) %>%
  ungroup()

运行后输出结果：

# A tibble: 6 × 5
     id range_key country value   pct
  <dbl> <chr>     <chr>   <dbl> <dbl>
1   221 2022 Q2   CA        5   -0.12
2   221 2023 Q3   CA        4.4 -0.12
3   221 2023 Q4   CA        3.52 -0.12
4 12345 2022 Q2   US       10   -0.2
5 12345 2022 Q3   US        8   -0.2
6 12345 2023 Q4   US        6.4 -0.2

计算逻辑验证：

• CA组（id=221）：2023 Q3的value = 5*(1-0.12) = 4.4；2023 Q4的value = 4.4*(1-0.12)=3.52
• US组（id=12345）：2023 Q4的value = 8*(1-0.2)=6.4，完全符合要求。

方案2：基础R实现（无需安装第三方包） #

不想加载tidyverse包的话，可以拆分分组后写循环逐行处理：

# 按分组字段拆分数据
group_df <- split(df, list(df$id, df$country), drop = TRUE)
# 逐组递推填充
group_res <- lapply(group_df, function(sub) {
  # 先按季度排序保证顺序正确
  sub <- sub[order(sub$range_key), ]
  # 从第二行开始逐行判断填充
  for (i in 2:nrow(sub)) {
    if (is.na(sub$value[i])) {
      sub$value[i] <- sub$value[i-1] * (1 + sub$pct[i])
    }
  }
  sub
})
# 合并所有分组结果
df_res <- do.call(rbind, group_res)
rownames(df_res) <- NULL

运行结果和dplyr方案完全一致。

内容的提问来源于stack exchange，提问作者user