Hey Ben, 刚好我经常处理这类时间序列插值需求，这就帮你搞定类似Excel线性填充的问题！

首先得指出你现有代码里的一个小细节：你给med_age赋值时用了引号，导致这一列变成了字符型，而线性插值需要数值型数据才能计算。所以第一步得先把它转成数值格式，缺失值会自动变成NA，这是插值的前提。

接下来给你两种常用的实现方法，你可以根据自己的习惯选择：

方法一：基础R自带的approx()函数 #

approx()是基础R原生的线性插值工具，直接基于你的年份（自变量）和已知med_age（因变量）就能生成所有年份的插值结果：

# 先修正初始数据，确保med_age是数值型
obs = seq(1,79,1)
date = seq(1940,2018,1)
med_age_data = data.frame(obs, date)

# 直接赋值数值，避免字符型问题
med_age_data$med_age <- NA_real_
med_age_data$med_age[med_age_data$date == 1940] <- 29
med_age_data$med_age[med_age_data$date == 1950] <- 30.2
med_age_data$med_age[med_age_data$date == 1960] <- 29.5
med_age_data$med_age[med_age_data$date == 1970] <- 30
med_age_data$med_age[med_age_data$date == 1980] <- 30
med_age_data$med_age[med_age_data$date == 1990] <- 32.9
med_age_data$med_age[med_age_data$date == 2000] <- 35.3
med_age_data$med_age[med_age_data$date == 2010] <- 37.2

# 执行线性插值
interpolated_results <- approx(
  x = med_age_data$date, 
  y = med_age_data$med_age, 
  xout = med_age_data$date  # 指定要生成插值的所有年份
)

# 把插值结果替换回原数据框
med_age_data$med_age <- interpolated_results$y

简单解释：approx()会根据已知的年份和对应med_age，为xout指定的所有年份计算线性过渡值，完全匹配Excel线性填充的逻辑。

方法二：用zoo包的na.approx()（更简洁高效） #

如果你经常处理时间序列数据，zoo包的na.approx()会更省心——它能直接对数据框中的NA值做线性插值，不用手动指定自变量范围：

# 先安装并加载zoo包（首次使用需安装）
# install.packages("zoo")
library(zoo)

# 基于修正后的med_age_data（确保med_age是数值型）
med_age_data$med_age <- na.approx(med_age_data$med_age, x = med_age_data$date)

这个方法的优势是代码极简，而且默认就是线性插值，完全贴合你的需求。

你可以验证一下结果，比如1945年的med_age应该是(29 + 30.2)/2 = 29.6，用med_age_data[med_age_data$date == 1945, ]就能看到符合预期的插值结果。

内容的提问来源于stack exchange，提问作者Ben