R语言如何用vec1前4个高频值随机替换vec中的NA缺失值

原始需求与现有代码 #

现有两个示例向量：

set.seed(10)
vec1 <- c(1,1,5,1,2,5,1,7,9,1,3,1,1,2 ,2, 1, 2, 1, 3, 1,1,1,1,1,1,2,5,1,1,1,1,1,1,1,1,1,1,2,3,1,1,2,1,7,1,7,2,1,1,1)
vec <- c(1,1,5,1,2,5,1,7,9,1,3,1,1,2 ,2, 1, 2, 1, 3, 1,1,1,1,1,1,2,5,1,NA, NA, NA, NA, NA, NA, NA)

需要满足以下要求：

• 用vec1中出现频率最高的4个值，替换vec中的NA缺失值
• 替换取值随机排序，不需要按数值大小规则填充
• 兼容NA数量不是高频值数量整数倍的场景，适配大规模业务数据集

原有错误代码：

# 取出现频率最高的4个值
mfv <- as.numeric(names(sort(table(vec1),decreasing=TRUE)[1:4]))

# 替换缺失值
result <- lapply(vec, function(n) replace(n, is.na(n), as.integer(mfv)))

错误原因 #

原有代码的替换逻辑存在两个核心问题：

1. 逐元素遍历向量时，遇到NA传入了长度为4的mfv向量，和单个元素的长度不匹配，直接触发报错
2. 没有实现随机采样、适配NA总数量的逻辑，无法满足随机填充、兼容任意NA数量的要求，同时逐元素遍历的效率极低，不适合大规模数据集。

正确实现方案 #

采用向量化操作实现，效率远高于循环/lapply，适配任意规模数据：

set.seed(10)
vec1 <- c(1,1,5,1,2,5,1,7,9,1,3,1,1,2 ,2, 1, 2, 1, 3, 1,1,1,1,1,1,2,5,1,1,1,1,1,1,1,1,1,1,2,3,1,1,2,1,7,1,7,2,1,1,1)
vec <- c(1,1,5,1,2,5,1,7,9,1,3,1,1,2 ,2, 1, 2, 1, 3, 1,1,1,1,1,1,2,5,1,NA, NA, NA, NA, NA, NA, NA)

# 1. 取top4高频值，原有逻辑正确
mfv <- as.numeric(names(sort(table(vec1), decreasing = TRUE)[1:4]))

# 2. 统计vec中NA的总数量
na_total <- sum(is.na(vec))

# 3. 从mfv中有放回随机采样对应数量的值，直接替换NA
# 如需固定随机结果可在本行前加set.seed，例如set.seed(123)
vec[is.na(vec)] <- sample(x = mfv, size = na_total, replace = TRUE)

# 输出结果
print(vec)

说明：sample函数的replace = TRUE参数开启有放回采样，不管NA总数量是多少都能生成对应长度的随机值，完美兼容非整数倍的场景。

内容的提问来源于stack exchange，提问作者ramen