R语言按条件将数据框列值向后填充的实现方法

你可以通过for循环、apply函数或者向量化操作实现需求，以下是可直接运行的代码： #

首先加载原始测试数据：

# 构造原始数据集
ID <- c("A", "B", "C", "D", "E", "F")
Q0 <- c(0, 0, 0, 0, 0, 0)
Q1 <- c(0, 1, 0, 0, NA, 1) 
Q2 <- c(0, NA, 1, 0, NA, 1) 
Q3 <- c(0, NA, NA, 1, NA, 1) 
Q4 <- c(0, NA, NA, 1, NA, 1)
dta <- data.frame(ID, Q0, Q1, Q2, Q3, Q4)
# 定位所有需要处理的Q列位置，排除非数值的ID列
q_cols <- grep("^Q", colnames(dta))

方法1：for循环实现（逻辑最易读） #

逐行遍历，用标记位记录当前行是否已经遇到取值为1的列，遇到后将后续所有Q列赋值为1即可：

res1 <- dta
for (i in seq_len(nrow(res1))) {
  has_found_1 <- FALSE
  for (j in q_cols) {
    if (has_found_1) {
      res1[i, j] <- 1
    } else {
      current_val <- res1[i, j]
      if (!is.na(current_val) && current_val == 1) {
        has_found_1 <- TRUE
      }
    }
  }
}

方法2：apply函数实现 #

按行传入处理函数，定位每行第一个1的位置，将该位置及之后的所有列值设为1：

res2 <- dta
res2[, q_cols] <- t(apply(dta[, q_cols], 1, function(row) {
  first_1_idx <- which(!is.na(row) & row == 1)[1]
  if (!is.na(first_1_idx)) {
    row[first_1_idx:length(row)] <- 1
  }
  return(row)
}))

方法3：向量化实现（大数据量下效率最高） #

借助累积最大值判断逻辑，避免显式循环，运行速度远快于前两种方法：

res3 <- dta
q_matrix <- as.matrix(dta[, q_cols])
# 将NA临时替换为0做累积最大值计算，识别每行1首次出现后的所有位置
hit_mask <- t(apply(t(q_matrix), 2, function(col) {
  cummax(replace(col, is.na(col), 0))
}))
# 命中位置统一赋值为1，未命中位置保留原始值（0或NA）
q_matrix[hit_mask == 1] <- 1
res3[, q_cols] <- q_matrix

三种方法输出的结果完全匹配预期：

ID Q0 Q1 Q2 Q3 Q4
1  A  0  0  0  0  0
2  B  0  1  1  1  1
3  C  0  0  1  1  1
4  D  0  0  0  1  1
5  E  0 NA NA NA NA
6  F  0  1  1  1  1

内容的提问来源于stack exchange，提问作者nattys