基于R语言data.frame，查找每行对应b列最后缺失值的c列取值

先把你的原始数据框再贴一遍，方便大家对照：

df <- data.frame(
  a = c(rep("a", 3), rep("b", 3), rep("c", 3)),
  b = c(NA, NA, "test", NA, "test", "test", NA, NA, "test"),
  c = c("trial", "test", "trial", "trial", "test", "trial", "trial", "trial", "trial"),
  stringsAsFactors = FALSE
)

咱们的目标是：针对每个a的分组，找到该分组内b列最后一个缺失值（NA）对应的c列取值，然后把这个值填充到该分组所有行的try列中。下面给你两种常用的实现方法：

方法1：用dplyr（tidyverse风格） #

这种方法代码可读性高，适合习惯tidyverse的朋友：

library(dplyr)

df_with_try <- df %>%
  group_by(a) %>%
  mutate(
    # 找到当前分组里b列是NA的所有行的位置，取最大的那个（也就是最后一个NA的位置）
    last_na_index = max(which(is.na(b))),
    # 根据这个位置提取对应的c值，赋值给try列
    try = c[last_na_index]
  ) %>%
  ungroup()

# 查看结果
print(df_with_try)

运行后得到的结果如下：

# A tibble: 9 × 5
  a     b     c     last_na_index try  
  <chr> <chr> <chr>          <int> <chr>
1 a     NA    trial              2 test 
2 a     NA    test               2 test 
3 a     test  trial              2 test 
4 b     NA    trial              1 trial
5 b     test  test               1 trial
6 b     test  trial              1 trial
7 c     NA    trial              2 trial
8 c     NA    trial              2 trial
9 c     test  trial              2 trial

方法2：用base R（不需要额外包） #

如果你不想加载额外的包，用base R也能轻松实现：

# 先按a分组，计算每个分组最后一个NA对应的c值
group_last_na_c <- tapply(seq_len(nrow(df)), df$a, function(idx) {
  # 拿到当前分组的b列数据
  group_b <- df$b[idx]
  # 找到所有NA的位置
  na_positions <- which(is.na(group_b))
  # 如果有NA，取最后一个对应的c值；没有的话返回NA
  if (length(na_positions) > 0) {
    df$c[idx][max(na_positions)]
  } else {
    NA_character_
  }
})

# 把每个分组的结果匹配到原数据框的每一行
df$try <- group_last_na_c[df$a]

# 查看结果
print(df)

这个方法的结果和上面dplyr的完全一致，只是用了base R的tapply函数来处理分组逻辑。

内容的提问来源于stack exchange，提问作者arg0naut91