R语言按ID分组后将列NA值按前后非空值均匀拆分填充

可以直接用tidyverse生态函数实现需求，不需要额外写循环，代码如下：

第一步：构造示例测试数据 #

library(dplyr)
library(tidyr)

df <- tibble(
  ID = c(rep(1,7), rep(2,6)),
  Value = c("A", rep(NA,5), "B", "C", rep(NA,4), "D"),
  X = "x",
  Y = "y"
)

第二步：核心处理代码（纯tidyverse实现，无需额外依赖） #

df_result <- df %>%
  group_by(ID) %>%
  # 提取前一个非空值
  fill(Value, .direction = "down") %>%
  rename(prev_val = Value) %>%
  # 提取后一个非空值
  bind_cols(df %>% select(Value) %>% fill(Value, .direction = "up") %>% rename(next_val = Value)) %>%
  # 恢复原始Value列
  mutate(Value = df$Value) %>%
  # 标记连续NA所属的分段
  mutate(val_grp = cumsum(!is.na(Value))) %>%
  group_by(ID, val_grp) %>%
  mutate(
    # 统计当前分段内NA总数
    na_total = sum(is.na(Value)),
    # 计算前半段用前值填充的数量
    fill_prev_cnt = floor(na_total/2),
    # 标记NA行在分段内的相对位置
    pos = row_number() - 1
  ) %>%
  # 按规则填充NA
  mutate(
    Value = case_when(
      !is.na(Value) ~ Value,
      pos <= fill_prev_cnt ~ prev_val,
      TRUE ~ next_val
    )
  ) %>%
  # 清理临时辅助列
  ungroup() %>%
  select(ID, Value, X, Y)

运行后得到的结果与你给出的预期输出完全一致，直接替换为自己的真实数据集即可使用。如果存在组开头/组结尾的NA（没有前后非空值的情况），可以根据需求在group_by(ID)后增加drop_na(prev_val, next_val)过滤，或者自定义填充规则。

内容的提问来源于stack exchange，提问作者shinama99