如何在data.table中按ID替换个体的非回答编码0/99？

嘿，这个需求太常见了！针对你手里10万级个体的data.table数据，咱们得用高效的方法来替换那些非回答编码（0和99），而且要保证每个id都用自己的有效回答来填充。先给你搭个虚拟场景，再上实操代码～

先看虚拟数据和预期结果 #

首先模拟你说的场景：每个id多次被询问，有的行是0/99，之后会出现有效回答，还有的id可能全程没有效回答（比如id=3）。

library(data.table)

# 虚拟测试数据
dt <- data.table(
  id = c(1,1,1,2,2,2,3,3),
  class = c(0, 2, 2, 99, 99, 5, 0, 99)
)

咱们想要的结果是：每个id的0/99都被替换成该id的有效回答，没有有效回答的可以保留原编码或者换成NA，比如这样：

# 预期输出
#    id class
# 1:  1     2
# 2:  1     2
# 3:  1     2
# 4:  2     5
# 5:  2     5
# 6:  2     5
# 7:  3    NA  # 可选：把无有效回答的换成NA，也可以保留原0/99

高效处理方案（data.table专属，速度拉满） #

因为你有10万个体，必须用data.table这种基于内存优化的工具，避免慢到离谱的循环或者低效操作。下面给你两种写法，按需选：

写法一：分组直接替换（最简洁）

直接在分组内提取每个id的有效回答，然后批量替换整个组的class列：

dt[, class := {
  # 提取当前id下所有非0/99的有效回答
  valid_answers <- class[class %notin% c(0, 99)]
  # 如果有有效回答，就把整组的class都换成这个值；没有就保留原数据
  if (length(valid_answers) > 0) {
    # 这里用unique是假设同一个id的有效回答是一致的，要是有多个不同值，你可以改逻辑
    rep(unique(valid_answers), .N)
  } else {
    class  # 或者换成NA：rep(NA, .N)
  }
}, by = id]

写法二：先提取有效值再合并（适合复杂场景）

如果你的逻辑更复杂，比如需要先把有效值存下来再处理，这种方法更清晰：

# 第一步：先提取每个id的有效回答（取唯一值，确保同一个id的有效值一致）
valid_mapping <- dt[class %notin% c(0, 99), .(valid_class = unique(class)), by = id]

# 第二步：把有效值映射回原表，替换0/99
dt[valid_mapping, class := i.valid_class, on = .(id)]

# 可选：把剩下的无有效回答的0/99换成NA
dt[class %in% c(0, 99), class := NA]

特殊情况处理 #

如果同一个id的有效回答可能变化（比如第一次有效回答是2，后来变成3），你可以调整提取有效值的逻辑：

• 取最后一次的有效回答：valid_answers <- tail(class[class %notin% c(0, 99)], 1)
• 取第一次的有效回答：valid_answers <- head(class[class %notin% c(0, 99)], 1)

性能说明 #

data.table的分组操作是用C语言底层实现的，对于10万级别的id，哪怕每个id有几十上百行，处理速度也会非常快，完全不用担心性能瓶颈，比普通的R循环或者其他工具高效太多。

内容的提问来源于stack exchange，提问作者dpel