R语言中基于最短欧氏距离匹配填充列NA值的问题求解

• 问题1的根源：dplyr的mutate()默认执行向量化运算，你代码中的a、b会被识别为整个列向量，而非当前NA行对应的单个a_i、b_i值，fillgroup$a - a实际是整列做广播减法而非逐行计算与当前行的距离，最终所有行的计算结果完全一致，所以which.min始终返回1。
• 问题2的根源：计算距离时没有过滤当前行本身，即使距离计算逻辑正确，最小距离永远是0（自身和自身的距离），会直接取当前行的NA值，导致填充失效。

tidyverse 版本（适配dplyr语法） #

首先我们先给示例数据补充NA值方便测试，再运行修正代码：

library(tidyverse)
# 加载示例数据，修改第3、5行c值为NA模拟待填充场景
fillgroup <- structure(list(c = c(0.00131, 0.02349, NA, 0.00342, NA, 0.00203), 
                            a = c(1763L, 487L, 1560L, 1088L, 1519L, 1803L), 
                            b = c(685L, 1456L, 289L, 861L, 293L, 736L)), 
                       class = c("data.table", "data.frame"))

# 填充逻辑实现
fillgroup_filled <- fillgroup %>%
  # 新增行号用于排除当前行自身
  mutate(rowid = row_number()) %>%
  # 按行分组，保证每次运算取当前行的a、b、行号值
  rowwise() %>%
  mutate(
    match = ifelse(
      is.na(c),
      {
        # 计算所有行和当前行的平方欧氏距离
        dist_vec <- (fillgroup$a - a)^2 + (fillgroup$b - b)^2
        # 当前行的距离设为无穷大，排除自身匹配
        dist_vec[rowid] <- Inf
        which.min(dist_vec)
      },
      NA_integer_
    ),
    # 用匹配到的行的c值填充NA
    c = ifelse(is.na(c), fillgroup$c[match], c)
  ) %>%
  # 取消行分组，删除临时列
  ungroup() %>%
  select(-rowid, -match)

data.table 版本（大数据量下效率更高） #

你的原始数据是data.table类，量大时用原生data.table语法性能远高于rowwise逐行运算：

library(data.table)
setDT(fillgroup)
# 新增行号
fillgroup[, rowid := .I]
# 仅对c为NA的行逐行处理填充
fillgroup[is.na(c), c := {
  cur_a <- a
  cur_b <- b
  cur_id <- rowid
  dist_vec <- (fillgroup$a - cur_a)^2 + (fillgroup$b - cur_b)^2
  dist_vec[cur_id] <- Inf
  fillgroup$c[which.min(dist_vec)]
}, by = rowid]
# 删除临时行号列
fillgroup[, rowid := NULL]

内容的提问来源于stack exchange，提问作者Tammy Tan