R语言如何基于另一列分组批量填充dataframe目标列缺失值

场景说明 #

现有数据框结构示例如下，需要按input列的唯一值分组，将同组内n1列的NA值替换为该组下已存在的非空值，不使用硬编码指定分组取值，适配大体量数据处理需求。
初始测试数据：

df <- data.frame(input = c("Teline stenopetala", "Teline stenopetala", 
                           "Teline stenopetala", "Prunus lusitanica", "Prunus lusitanica"),
                 n1 = c("Genista stenopetala Webb & Berthel.", NA, NA, NA, "Prunus hixa Brouss ex. Willd."))

期望输出为同组所有n1值统一为该组对应的非空取值。

实现代码 #

1. tidyverse 写法（易读易维护，适配常规数据量） #

通过dplyr分组后直接取组内第一个非空值覆盖整组，无需手动指定任何分组规则：

library(dplyr)

df <- df %>%
  group_by(input) %>%
  mutate(n1 = first(na.omit(n1))) %>%
  ungroup()

2. data.table 写法（性能优异，适配百万级以上大数据量） #

大数据量场景下优先选择该写法，运行效率远高于常规tidyverse写法：

library(data.table)

setDT(df)
df[, n1 := na.omit(n1)[1], by = input]

注意事项 #

• 上述代码默认每个input分组下n1列仅存在1种唯一非空取值，和示例场景完全匹配
• 如果同组存在多个不同的非空n1值，代码默认取组内第一个出现的非空值填充，可根据实际业务需求调整组内取值逻辑

内容的提问来源于stack exchange，提问作者Anh