R语言使用dplyr为dataframe创建填充H_Tower缺失值的diff新列

问题原因 #

你的代码无法实现连续填充有三个核心问题：

• group_by(timestamp)属于多余操作，你数据中的timestamp每一行都是唯一值，分组后每行单独为一组，无法跨行获取更早的非NA值
• lag(H_Tower)只能获取相邻上一行的H_Tower值，如果上一行也是NA，返回的依旧是NA，自然只能填充紧邻NA的下一行
• mutate调用时不需要重复写数据源名和列索引，dplyr管道操作中直接引用列名即可

正确实现方案 #

最简便的方式是配合tidyr包的fill()函数实现向下填充最近非NA值的需求，代码如下：

# 加载依赖包
library(dplyr)
library(tidyr)

data_glob3 <- data_glob3 %>%
  arrange(timestamp) %>% # 确保数据按时间正序排列
  mutate(diff = H_Tower) %>% # 初始化diff列与H_Tower值一致
  fill(diff, .direction = "down") # 向下填充diff列的NA值，默认使用最近的非NA值

如果不想额外引入tidyr包，也可以使用zoo包的na.locf()（last observation carried forward）函数实现同样效果：

library(dplyr)
library(zoo)

data_glob3 <- data_glob3 %>%
  arrange(timestamp) %>%
  mutate(diff = na.locf(H_Tower, na.rm = FALSE))

注意事项 #

如果你的数据集第一行的H_Tower就是NA值，上述方法会保留开头的NA值，如果需要处理开头的NA，可以根据需求补充规则设置默认初始值即可。

内容的提问来源于stack exchange，提问作者fb5802