R语言分组数据缺失值处理：补全分组缺失Factor Name

嘿，这问题一点都不基础，很多处理tidy数据的朋友都会遇到类似需求～我来给你用dplyr的管道式写法搞定，比aggregate更清爽。

首先先确认你的原始数据（我把它转成R的数据框格式方便测试）：

df <- tibble(
  `Sample Name` = factor(c("S1", "S1", "S1", "S2", "S2", "S2", "S3", "S3", "S3", "S3")),
  `Factor Name` = factor(c("ABCD", "EFGH", "IJKL", "ABCD", "EFGH", "IJKL", "ABCD", "EFGH", "IJKL", "MNOP")),
  mean = c(-5.15, 7.74, -7.43, 4.35, -2.15, 2.33, 5.53, 2.84, 1.61, NaN)
)

一、查看每个Sample Name分组下的缺失Factor Name集合 #

用dplyr的分组+管道写法，步骤很清晰：

1. 先提取所有存在的Factor Name
2. 按Sample Name分组后，计算每个组的Factor与全量Factor的差集

library(dplyr)

# 获取所有唯一的Factor Name
all_factors <- unique(df$`Factor Name`)

# 分组查看缺失的Factor Name
df %>%
  group_by(`Sample Name`) %>%
  summarise(
    缺失的Factor集合 = list(setdiff(all_factors, `Factor Name`)),
    .groups = "drop"  # 可选，取消分组状态
  )

运行后会得到每个样本对应的缺失Factor列表，比如S1和S2的缺失集合就是MNOP，S3没有缺失。

二、补全数据到目标格式 #

如果要直接补全所有缺失的行，用tidyr::complete函数最方便，它可以自动生成所有Sample Name和Factor Name的组合，配合管道一步到位：

library(dplyr)
library(tidyr)

df %>%
  # 补全Sample Name和Factor Name的所有可能组合
  complete(`Sample Name`, `Factor Name`) %>%
  # 将mean列的NA替换为NaN（按你的目标格式要求）
  mutate(mean = ifelse(is.na(mean), NaN, mean))

运行这段代码后，就会得到你想要的结果：每个样本都包含所有Factor Name，缺失的行mean设为NaN，完美匹配你的目标格式。

这个管道式写法比aggregate更直观，也更符合tidyverse的数据分析流程，后续如果要加其他处理步骤，直接在管道后面加就可以啦～

内容的提问来源于stack exchange，提问作者Rajesh Acharya