R语言基于Year列筛选行对目标列应用na.approx插值的实现

你此前编写的apply(ssp[5,6], ssp[2]==2010:2020, mutate_at(vars(population, gdp.x), na.approx, method="linear")) 存在多处逻辑错误，完全无法实现预期效果：

• apply是针对矩阵、数组的按维度遍历函数，不支持传入逻辑筛选条件作为参数，也无法兼容dplyr的管道式操作语法
• 你的数据集是按Country分组的tibble结构，全量包含177个国家的观测，插值操作必须在单个国家的分组范围内执行，否则会出现跨国家数值串算的严重错误
• 通用插值逻辑未限定处理的年份范围，若直接运行不带筛选的插值代码，会把2021年及之后的缺失值也一并补全，不符合仅处理2010-2020区间的要求

首先加载依赖的函数包：
library(dplyr)
library(zoo) # 提供na.approx线性插值函数

核心逻辑为：在原有国家分组的基础上，通过逐行条件判断，仅对Year处于2010-2020区间的行调用线性插值，其余区间的列值完全保留原始状态。

基础版本代码 #

ssp_processed <- ssp %>%
  # 保留原有的国家分组结构，确保插值仅在单国家范围内计算
  group_by(Country) %>%
  mutate(
    population = if_else(
      condition = between(Year, 2010, 2020),
      true = na.approx(population, x = Year, na.rm = FALSE, method = "linear"),
      false = population
    ),
    gdp.x = if_else(
      condition = between(Year, 2010, 2020),
      true = na.approx(gdp.x, x = Year, na.rm = FALSE, method = "linear"),
      false = gdp.x
    )
  )

更简洁的across版本（推荐） #

mutate_at已进入软弃用阶段，用across实现批量列操作的写法更符合当前dplyr的语法规范，代码也更精简：

ssp_processed <- ssp %>%
  group_by(Country) %>%
  mutate(across(
    .cols = c(population, gdp.x),
    .fns = ~ if_else(
      between(Year, 2010, 2020),
      na.approx(.x, x = Year, na.rm = FALSE, method = "linear"),
      .x
    )
  ))

结合你提供的阿富汗观测子集：

• 以2010、2015、2020三个存在population、gdp.x实值的节点为基准，自动线性补全2011-2014、2016-2019年的所有对应缺失值
• 2021年及之后年份的population、gdp.x列的原始NA值完全保留，不会被误插值
• 所有插值计算均在单国家分组内完成，不会出现跨国家的数值串算问题

• 不要将na.approx的na.rm参数设为TRUE，否则插值范围首尾的缺失值会被直接删除，破坏原数据集的行结构
• 必须保留group_by(Country)的分组逻辑，若去掉分组，线性插值会跨国家计算相邻点数值，产生完全错误的结果
• 若遇到某国在2010-2020区间完全无实值的极端情况，na.approx会默认保留对应位置的NA，不会强行补值

内容的提问来源于stack exchange，提问作者Aimen Sattar