在R中如何按数据子集基于历史值线性回归自动填充空单元格？

核心逻辑说明 #

• 按国家维度拆分数据，每个国家独立拟合模型
• 仅用2000-2016年非空的Wood数据训练线性回归，有效数据不足2条的国家（含Wood全空的国家）直接跳过填充逻辑，保留原始数据
• 仅填充Wood列为空的单元格，原有非空值保持不变
• 自动兼容同一年份存在多条数据的场景

方法1：tidyverse简洁实现（推荐） #

无需手动写循环，代码可读性高

# 没有安装包先执行 install.packages("tidyverse")
library(tidyverse)

df_filled <- df %>%
  # 按国家分组
  group_by(Country) %>%
  mutate(
    Wood = {
      # 提取当前国家2000-2016年的有效训练数据
      train_data <- cur_data() %>% filter(Year %in% 2000:2016 & !is.na(Wood))
      # 有效数据≥2条才拟合模型，否则保留原值
      if(nrow(train_data) >= 2) {
        model <- lm(Wood ~ Year, data = train_data)
        # 空值用预测值填充，非空值保留
        if_else(is.na(Wood), predict(model, newdata = cur_data()), Wood)
      } else {
        Wood
      }
    }
  ) %>%
  ungroup()

方法2：基础R循环实现（符合你初始的循环思路） #

# 获取所有唯一国家列表
country_list <- unique(df$Country)
df_filled <- df

for (cntry in country_list) {
  # 定位当前国家的所有行
  country_rows <- which(df_filled$Country == cntry)
  # 筛选2000-2016年的非空训练数据
  train_data <- df_filled[country_rows, ] %>% filter(Year %in% 2000:2016 & !is.na(Wood))
  
  if(nrow(train_data) >= 2) {
    # 拟合线性模型
    lm_model <- lm(Wood ~ Year, data = train_data)
    # 定位当前国家Wood为空的行
    na_rows <- country_rows[is.na(df_filled$Wood[country_rows])]
    # 填充预测值
    df_filled$Wood[na_rows] <- predict(lm_model, newdata = df_filled[na_rows, ])
  }
  # 有效数据不足的国家直接跳过，不修改原有数据
}

补充说明 #

如果你需要对Wood取对数（你提到的ln函数）拟合，只需修改模型部分：

• 拟合时改成lm(log(Wood) ~ Year, data = train_data)
• 预测时改成exp(predict(model, newdata = ...))还原原值即可，注意要保证训练集的Wood值全部大于0，否则取对数会报错

内容的提问来源于stack exchange，提问作者LMW