R语言基于列值（含NA）筛选行：批量提取已评估区块数据

Hey there! 作为R语言新手碰到这种「只有起始行标记、后续行继承状态」的数据筛选问题，确实有点懵，我来给你捋清楚一步步怎么搞定，包括单个文件处理和批量300个文件的操作～

核心思路 #

咱们得先把那些没标记评估状态的行，自动填充成它所属区块起始行的标记值，然后再筛选出标记为yes的所有行就行啦。

第一步：单个文件的处理方法 #

假设你的数据是CSV格式，先拿一个文件练手：

1. 读取数据 #

先把数据读进R里：

# 替换成你的文件路径
df <- read.csv("your_data_file.csv")

2. 填充继承的评估状态 #

这里推荐用tidyr包的fill()函数，简单又省心。如果还没装包，先装一下：

install.packages("tidyr")
library(tidyr)

然后填充缺失的标记值（注意列名有空格，要用反引号`包裹）：

# 向下填充，把每个区块的起始标记传给后续所有行
df <- df %>% fill(`Assessment block`, .direction = "down")

要是你不想额外装包，用基础R也能实现，写个小函数就行：

# 定义填充函数：把NA值替换成前一个非NA的值
fill_assessment <- function(col) {
  for (i in 2:length(col)) {
    if (is.na(col[i])) {
      col[i] <- col[i-1]
    }
  }
  return(col)
}

# 应用到你的评估状态列
df$`Assessment block` <- fill_assessment(df$`Assessment block`)

⚠️ 注意：如果你的缺失值不是NA而是空字符串，先把它转成NA：

df$`Assessment block`[df$`Assessment block` == ""] <- NA

3. 筛选已评估区块的数据 #

现在所有行都有明确的评估状态了，直接筛选yes的行：

df_filtered <- df[df$`Assessment block` == "yes", ]

可以把结果保存下来：

write.csv(df_filtered, "filtered_data.csv", row.names = FALSE)

第二步：批量处理300个文件 #

要处理大量文件，咱们把上面的步骤打包成一个函数，然后批量执行：

1. 准备工作 #

把所有要处理的文件放到同一个文件夹里，比如命名为assessment_data。

2. 定义批量处理函数 #

# 先加载需要的包
library(tidyr)

process_single_file <- function(file_path) {
  # 1. 读取文件
  df <- read.csv(file_path)
  
  # 2. 填充评估状态
  df <- df %>% fill(`Assessment block`, .direction = "down")
  
  # 3. 筛选已评估行
  df_filtered <- df[df$`Assessment block` == "yes", ]
  
  # 4. 保存结果：在原文件名后加"_filtered"
  output_filename <- gsub("\\.csv$", "_filtered.csv", basename(file_path))
  output_path <- file.path("assessment_data", output_filename)
  write.csv(df_filtered, output_path, row.names = FALSE)
  
  # 可选：返回处理后的数据框，方便查看
  return(df_filtered)
}

3. 批量执行 #

先获取所有文件的路径，然后批量处理：

# 获取文件夹里所有CSV文件的完整路径
all_files <- list.files(path = "assessment_data", pattern = "\\.csv$", full.names = TRUE)

# 批量处理所有文件
lapply(all_files, process_single_file)

如果是Excel文件（.xlsx），把read.csv换成readxl::read_excel，write.csv换成writexl::write_xlsx就行，记得先装对应的包哦～

小提示 #

• 先拿1-2个文件测试函数，确认没问题再批量跑，避免出错
• 要是区块编号列（Block Number）也需要用到，可以结合它来验证填充是否正确，比如按区块分组检查状态是否一致

内容的提问来源于stack exchange，提问作者Nout