R语言如何使用最新可用有效值填充后续行的缺失值

缺失值前向填充实现方案 #

你需要的是用最后一次出现的非缺失值填充后续连续缺失值，这类填充方法也叫LOCF（Last Observation Carried Forward），以下是不同工具的实现方法：

示例原始数据表 #

Date        value
2021 Jan    500
2021 Feb    2340
2021 Mar    3000
2021 Apr    249
2021 May    NA
2021 Jun    NA
2021 Jul    NA

R 语言实现 #

可以用tidyr包的fill()函数，默认向下填充前值：

library(tidyr)
library(dplyr)

# 构造/读取数据表后执行如下代码
df <- df %>% 
  fill(value, .direction = "down")

如果需要限制最多只填充连续3个缺失值，可添加如下逻辑：

df <- df %>% 
  mutate(na_group = cumsum(!is.na(value))) %>% 
  group_by(na_group) %>% 
  mutate(value = ifelse(row_number() <= 4, first(value), value)) %>% 
  ungroup() %>% 
  select(-na_group)

Python 实现 #

用pandas的ffill()方法即可实现，可直接通过参数限制填充次数：

import pandas as pd

# 读取数据后执行如下代码
df['value'] = df['value'].ffill(limit=3)

其中limit=3参数就是限制最多填充连续3个缺失值，刚好匹配你的需求。

填充后最终结果 #

Date        value
2021 Jan    500
2021 Feb    2340
2021 Mar    3000
2021 Apr    249
2021 May    249
2021 Jun    249
2021 Jul    249

内容的提问来源于stack exchange，提问作者Dana Ann