在R数据框中重复国家名称至Total行的高效实现方法

针对你拥有的这种分组结构（每个国家开头一行是国名，后续行NA，最后一行是Total），而且有252个国家的情况，推荐以下几种高效的实现方法，避免逐行循环浪费时间：

首先，还原你的数据框（方便测试） #

先把你提供的文本数据转换成可操作的R数据框：

df <- data.frame(
  Country = c("Andorra", NA, NA, "Total", "Antigua", NA, NA, NA, "Total"),
  Information = c("Small", "Medium", "Large", NA, "Small", "Medium", "Large", "X-Large", NA),
  Export = c(10, 50, 40, 100, 60, 20, 5, 15, 100),
  Import = c(20, 30, 50, 100, 70, 10, 10, 10, 100),
  stringsAsFactors = FALSE
)

方法1：用dplyr + tidyr（语法直观，适合熟悉tidyverse的用户） #

这个方法通过分组填充实现，全程向量操作，效率很高：

library(dplyr)
library(tidyr)

df_filled <- df %>%
  # 生成组ID：每遇到一个新国家就开启一个新组
  mutate(group_id = cumsum(!is.na(Country) & Country != "Total")) %>%
  # 按组向下填充Country列的NA值
  group_by(group_id) %>%
  fill(Country, .direction = "down") %>%
  # 把Total行的Country恢复为"Total"（因为fill会把Total行的Country也填充成国名）
  mutate(Country = ifelse(is.na(Information), "Total", Country)) %>%
  ungroup() %>%
  select(-group_id) # 移除临时组ID列

# 查看结果
print(df_filled)

方法2：用data.table（速度最快，适合大数据量） #

如果你的数据行数很多，data.table的底层C实现会比tidyverse更快，非常适合252个国家的规模：

library(data.table)

setDT(df)

# 生成组ID
df[, group_id := cumsum(!is.na(Country) & Country != "Total")]
# 按组向下填充NA，用nafill比fill更快
df[, Country := nafill(Country, type = "locf"), by = group_id]
# 恢复Total行的Country值
df[is.na(Information), Country := "Total"]
# 删除临时组ID列
df[, group_id := NULL]

# 查看结果
print(df)

方法3：基础R实现（无需额外包） #

如果你不想加载任何第三方包，这个方法也能高效完成，因为它是按组循环而不是按行循环，252次循环完全不会有性能问题：

# 找到所有国家名所在的行位置
country_starts <- which(!is.na(df$Country) & df$Country != "Total")
# 找到所有Total行的位置
total_rows <- which(df$Country == "Total")

# 循环每个国家组，填充国名
for (i in seq_along(country_starts)) {
  # 当前组的起始行到Total行的前一行
  fill_range <- country_starts[i]:(total_rows[i] - 1)
  df$Country[fill_range] <- df$Country[country_starts[i]]
}

# 查看结果
print(df)

这三种方法都能完美实现你的需求：每个国家的名称会填充到其对应行组的Total行之前的所有行，Total行保持不变。其中data.table方法在处理大规模数据时优势最明显，推荐优先使用。

内容的提问来源于stack exchange，提问作者Data Science