如何用滚动窗口替换NA值？求助基于前后非NA均值填充NA的方法

嗨，针对你这个用前后非NA值的平均值填充缺失值的需求，我给你几个适配大尺寸数据框（10000*91）的实用方案，兼顾效率和易用性：

zoo包专门用于时间序列和缺失值处理，底层是C实现的，处理大数据速度非常快，搭配dplyr可以轻松批量处理所有列：

步骤说明： #

1. 先安装并加载必要的包（如果没装过的话）
2. 对每一列分别做前向填充（用最近的前一个非NA值）和后向填充（用最近的后一个非NA值）
3. 对填充后的结果取平均，自动处理开头/结尾只有单侧非NA值的情况

代码示例： #

# 安装包（仅第一次运行需要）
install.packages(c("zoo", "dplyr"))

# 加载包
library(zoo)
library(dplyr)

# 你的示例向量
t <- c(NA, -0.873, -0.497, NA, NA, 53.200, NA, NA, NA, 26.100)

# 处理单个向量的函数
fill_avg <- function(x) {
  forward_fill <- na.locf(x, na.rm = FALSE)  # 前向填充
  backward_fill <- na.locf(x, na.rm = FALSE, fromLast = TRUE)  # 后向填充
  
  # 计算平均值，处理单侧无值的情况
  ifelse(is.na(forward_fill), backward_fill,
         ifelse(is.na(backward_fill), forward_fill,
                (forward_fill + backward_fill)/2))
}

# 测试单个向量
filled_t <- fill_avg(t)
print(filled_t)
# 输出结果：[1] -0.8730  -0.8730  -0.4970  26.3515 26.3515 53.2000 39.6500 39.6500 39.6500 26.1000

# 处理你的10000*91数据框（假设数据框名为df）
# 若只需处理数值列，把everything()换成where(is.numeric)
filled_df <- df %>%
  mutate(across(everything(), fill_avg))

如果不想安装第三方包，可以用自定义循环函数实现，逻辑和上面一致，但效率略低（适合小数据，大数据推荐方案1）：

代码示例： #

# 自定义填充函数
fill_na_with_avg <- function(x) {
  non_na_pos <- which(!is.na(x))
  non_na_vals <- x[non_na_pos]
  
  for(i in seq_along(x)) {
    if(is.na(x[i])) {
      # 找到前后最近的非NA位置
      prev_pos <- max(non_na_pos[non_na_pos < i], default = NA)
      next_pos <- min(non_na_pos[non_na_pos > i], default = NA)
      
      if(!is.na(prev_pos) && !is.na(next_pos)) {
        x[i] <- (x[prev_pos] + x[next_pos])/2
      } else if(!is.na(prev_pos)) {
        x[i] <- x[prev_pos]
      } else if(!is.na(next_pos)) {
        x[i] <- x[next_pos]
      }
      # 全NA的情况保留NA
    }
  }
  return(x)
}

# 测试向量
filled_t <- fill_na_with_avg(t)

# 处理数据框
filled_df <- as.data.frame(lapply(df, fill_na_with_avg))

注意事项： #

• 两种方案都完全符合你的需求：连续的NA会被填充为前后最近非NA值的平均值，开头/结尾的NA会用单侧的非NA值填充
• 方案1的na.locf函数可以通过na.rm参数控制是否移除NA，这里我们设为FALSE来保留位置以便计算

内容的提问来源于stack exchange，提问作者EllenQ