R语言：将指定行的值复制到目标行的对应NA列

嘿，我完全懂你不想用一堆重复的if语句来处理这个NA填充需求的心情——这种写法不仅啰嗦，维护起来也麻烦！咱们可以用R里的向量化操作来搞定，既简洁又高效。

先拿一个示例数据框来演示（和你的样本数据逻辑一致）：

# 构造示例数据框
df <- data.frame(
  col1 = c(1, NA, 3, 4, 10, 20),
  col2 = c(NA, 5, 6, 7, 11, 21),
  col3 = c(8, 9, NA, 10, 12, 22)
)

方案1：基础R原生操作 #

直接针对目标行做批量替换，不用逐个单元格写判断：

# 处理第1行的NA：用第5行对应列的值填充
df[1, is.na(df[1, ])] <- df[5, is.na(df[1, ])]

# 处理第2行的NA：用第6行对应列的值填充
df[2, is.na(df[2, ])] <- df[6, is.na(df[2, ])]

这里的is.na(df[1, ])会生成一个逻辑向量，标记第1行哪些列是NA；接着用这个向量同时索引第1行和第5行的对应列，直接完成批量赋值，一步到位。

方案2：用dplyr的管道化写法（适合tidyverse用户） #

如果你习惯用tidyverse的语法，也可以用across来遍历所有列，实现更流畅的管道操作：

library(dplyr)

df <- df %>%
  mutate(
    # 替换第1行的NA为第5行对应列的值
    across(everything(), ~ if_else(row_number() == 1 & is.na(.), df[5, cur_column()], .)),
    # 替换第2行的NA为第6行对应列的值
    across(everything(), ~ if_else(row_number() == 2 & is.na(.), df[6, cur_column()], .))
  )

across(everything())会遍历数据框的所有列，row_number()用来定位目标行，cur_column()则能精准获取当前处理的列名，完美匹配你的填充规则。

最终处理结果 #

不管用哪种方法，处理后的结果都会符合你的预期：

> df
  col1 col2 col3
1    1   11    8
2   20    5    9
3    3    6   NA
4    4    7   10
5   10   11   12
6   20   21   22

这两种方法都是向量化操作，比逐个单元格写if语句高效得多，哪怕你的数据框有很多列，也只需要几行代码就能搞定~

内容的提问来源于stack exchange，提问作者vw88