在R中针对chart number各水平（受试者）应用函数插补身高数据

嘿，这个需求其实很常见，完全不用手动创建列表来处理——利用数据分析工具的分组操作就能高效完成，不管是R还是Python都有简洁的实现方式，下面给你详细说：

R语言实现 #

方法1：用dplyr（简洁易读） #

dplyr的group_by() + mutate()组合是处理分组数据的标准操作，代码可读性强，适合大多数场景：

library(dplyr)

# 假设你的数据集名为df，身高列是height，受试者标识列是chart_number
df <- df %>%
  group_by(chart_number) %>%
  # 对每个受试者，用其非缺失身高的均值填充缺失值
  mutate(height = ifelse(is.na(height), mean(height, na.rm = TRUE), height)) %>%
  ungroup()  # 取消分组，避免后续操作受影响

注意：如果某个受试者的身高全是缺失值，mean(height, na.rm = TRUE)会返回NA，这时候可以额外用全局均值兜底：

df <- df %>%
  group_by(chart_number) %>%
  mutate(
    group_height_mean = mean(height, na.rm = TRUE),
    # 先试分组均值，分组均值不存在就用全局均值
    height = ifelse(is.na(height), coalesce(group_height_mean, mean(df$height, na.rm = TRUE)), height)
  ) %>%
  select(-group_height_mean) %>%  # 删掉临时列
  ungroup()

方法2：用data.table（极致高效） #

如果你的数据量更大（哪怕现在6000行也没问题），data.table的分组操作速度会更快，语法也很简洁：

library(data.table)

setDT(df)  # 将普通数据框转为data.table格式
# 按chart_number分组，替换缺失的height为该组均值
df[, height := ifelse(is.na(height), mean(height, na.rm = TRUE), height), by = chart_number]

Python（Pandas）实现 #

Pandas的groupby() + transform()是处理这类分组填充需求的最优解，transform()会返回和原数据同长度的结果，完美匹配原数据集的行顺序：

import pandas as pd

# 假设数据集是df，身高列是height，受试者标识列是chart_number
df['height'] = df.groupby('chart_number')['height'].transform(
    lambda x: x.fillna(x.mean())
)

同样，针对组内全缺失的情况，可以在分组填充后用全局均值兜底：

# 先分组填充，再补全局均值
df['height'] = df.groupby('chart_number')['height'].transform(
    lambda x: x.fillna(x.mean())
).fillna(df['height'].mean(skipna=True))

为什么这些方法比列表高效？ #

这些操作都是向量化/批量处理，避免了手动循环或列表存储的冗余步骤，底层是用优化过的C/C++代码实现的，处理6000行数据几乎是瞬间完成，而且代码更简洁、易维护，后续修改或扩展也更方便。

内容的提问来源于stack exchange，提问作者Dilsher Singh Dhillon