如何匹配R数据框（data frame）中的对应行并完成填充清洗

依赖tidyverse套件实现，代码如下：

前置准备 #

library(tidyverse)

步骤1：向上回填condition列有效值 #

利用倒序+向下填充实现从末行有效值向上填充的需求，按participant分组处理避免跨组污染：

df_clean <- df %>%
  group_by(participant) %>%
  arrange(desc(row_number())) %>%
  fill(condition, .direction = "down") %>%
  arrange(row_number()) %>%
  ungroup()

如果Sex、Age列也是每个participant组内统一取值、仅某行有值，可以在fill函数的参数中加入这两列，一次性完成填充：

fill(Sex, Age, condition, .direction = "down")

步骤2：匹配reproduction与interval非空值 #

每个分组内按出现顺序给非空的interval、reproduction编号，按序号一一对应赋值：

df_clean <- df_clean %>%
  group_by(participant, condition) %>%
  mutate(
    int_idx = ifelse(!is.na(interval), cumsum(!is.na(interval)), NA),
    rep_list = list(na.omit(reproduction)),
    reproduction = ifelse(!is.na(int_idx), rep_list[[1]][int_idx], reproduction)
  ) %>%
  ungroup() %>%
  select(-int_idx, -rep_list)

步骤3：清除无效行 #

筛选同时有interval和reproduction有效值的行，自动保留每个分组的5行有效数据：

df_final <- df_clean %>%
  filter(!is.na(interval), !is.na(reproduction)) %>%
  arrange(participant, condition, interval)

适配说明 #

代码支持大规模批量处理，只要每个participant+condition分组固定有5个非空interval和5个非空reproduction值即可稳定运行，若分组逻辑有调整，修改group_by的参数即可。

内容的提问来源于stack exchange，提问作者Marc Buehner