如何使用fill()函数按条件填充NA值（无需循环）

嘿，我明白你遇到的问题了——你有按caseid分组的时间序列数据，想把每组里caseval的NA用上一行的有效值填充，但之前试的方法都没生效对吧？大概率是没做分组操作导致的，直接整列填充会跨组乱填，咱们来解决这个问题。

首先先把你的示例数据整理成可运行的代码，方便测试：

# 构造你提到的示例数据
casedate <- seq(as.Date('2018/1/1'), as.Date('2018/3/5'), by='week')
caseid <- c(rep(1,10), rep(2,10), rep(3,10))
caseval <- c(80, rep(NA,4), rep(80,5), 
             40, rep(NA,2), rep(40,4), rep(NA,3), 
             60, rep(NA,3), rep(60,6))
df <- data.frame(casedate, caseid, caseval)

下面是三个靠谱的解决方案，选你顺手的用就行：

方案1：用tidyverse的fill()（最直观，新手友好） #

tidyverse里的fill()就是专门干这个的，配合group_by()锁定每个caseid分组，就能实现组内填充：

library(tidyverse)

# 分组后向下填充NA（用上一行的有效值填后面的空）
df_filled <- df %>%
  group_by(caseid) %>%
  fill(caseval, .direction = "down") %>% # direction控制填充方向
  ungroup()

要是你需要双向填充（比如中间NA，前后都有有效值），把.direction改成"downup"就行。

方案2：用data.table的nafill()（大数据首选，速度快） #

如果你的数据量很大，data.table的方法性能会好很多，而且代码也简洁：

library(data.table)

setDT(df) # 把数据转成data.table格式
df_filled <- df[, caseval := nafill(caseval, type = "locf"), by = caseid]

这里type = "locf"是“last observation carried forward”的缩写，意思就是用最近的上一个有效值填充，和上面fill的down方向效果一样。

方案3：Base R原生方法（不用装额外包） #

要是不想加载第三方库，用base R的ave()也能实现：

df_filled <- df
df_filled$caseval <- ave(df_filled$caseval, df_filled$caseid, 
                         FUN = function(x) {
                           # 先找到组内所有非NA的位置
                           non_na_pos <- which(!is.na(x))
                           # 给每个位置匹配对应的非NA值
                           x[non_na_pos[cumsum(!is.na(x))]]
                         })

你可以运行完代码后打印df_filled看看，每个caseid分组里的NA都会被前面的有效值正确填充，不会跨组乱套。

内容的提问来源于stack exchange，提问作者Dan Blanchard