R语言使用dplyr实现dataframe缺失值线性插值填充咨询

实现逻辑 #

先对每一段连续的NA进行分组，获取每组前后的非空边界值，计算步长后按位置累加填充即可。

完整实现代码 #

首先加载依赖包：

library(dplyr)

1. 新增Col2列存储填充值 #

df <- data.frame(Col1 = c(2, 3, 5, NA, NA, 9, 10, NA, 16, 19))

df <- df %>%
  # 给每段连续NA分配唯一分组编号
  mutate(na_group = cumsum(!is.na(Col1))) %>%
  group_by(na_group) %>%
  mutate(
    # 取当前NA段的前一个非空值
    prev_val = first(Col1[!is.na(Col1)]),
    # 取当前NA段的后一个非空值
    next_val = lead(prev_val, n = 1),
    # 统计当前段NA总数
    na_count = sum(is.na(Col1)),
    # 计算插值步长
    step = (next_val - prev_val)/(na_count + 1),
    # 生成NA位置的递增序号
    na_seq = cumsum(is.na(Col1)),
    # 仅填充NA位置，非NA位置保留为NA，保留2位小数匹配示例
    Col2 = round(ifelse(is.na(Col1), prev_val + step * na_seq, NA), 2)
  ) %>%
  ungroup() %>%
  # 移除中间计算用的辅助列
  select(-na_group, -prev_val, -next_val, -na_count, -step, -na_seq)

运行后输出和需求中的示例完全一致。

2. 直接在原Col1列填充 #

只需将上面代码中Col2的赋值逻辑修改为覆盖Col1即可，非NA位置会保留原值：

df <- df %>%
  mutate(na_group = cumsum(!is.na(Col1))) %>%
  group_by(na_group) %>%
  mutate(
    prev_val = first(Col1[!is.na(Col1)]),
    next_val = lead(prev_val, n = 1),
    na_count = sum(is.na(Col1)),
    step = (next_val - prev_val)/(na_count + 1),
    na_seq = cumsum(is.na(Col1)),
    Col1 = ifelse(is.na(Col1), prev_val + step * na_seq, Col1)
  ) %>%
  ungroup() %>%
  select(-na_group, -prev_val, -next_val, -na_count, -step, -na_seq)

注意事项 #

如果数据开头/结尾存在连续NA，因为缺少前序/后序非空值，这部分NA会保留不填充，符合常规插值逻辑。如果需要特殊处理首尾NA，可以额外补充tidyr::fill()或者首尾常数填充的逻辑。

内容的提问来源于stack exchange，提问作者Sean