如何在 R 中按组填充数据框中的空白？

如何解决如何在 R 中按组填充数据框中的空白？

我有一个包含时间序列、一组事件和一个 ID 的数据框。我已通过共享时间列连接了两个数据框，但我想填补事件中的空白。

这是一个简化的例子，我用来连接数据框的值列，然后是事件和 ID 列。我想以某种方式填写第一个（开始）和最后一个（结束）事件条目之间的事件和 ID 列。

a<-c(seq(from = 150,to = 213,by = 3))
b<-c("start","","mid","end","start","end")
c<-c("A","A","B","B")

(data<-data.frame(value = a,event = b,ID = c))

这是目标，在开始和结束之间填写事件和 ID：

agoal<-c(seq(from = 150,by = 3))
bgoal<-c("start","end")
cgoal<-c("A","B")

(goal<-data.frame(value = agoal,event = bgoal,ID = cgoal))

解决方法

这是带有 data.table

的另一个选项

1. 将 data.frame 转换为 data.table - setDT
2. 循环遍历 .SDcols 中指定的列 - 'event','ID'
3. 将空白 ("") 替换为 NA - na_if
4. 使用 na.locf0（来自 zoo）用之前的非 NA 填充 NA 元素并将 (:=) 分配回列
5. 获取行索引 (.I)，其中 'event' 值为 duplicated，其中 'event' 为按运行长度 ID (rleid) 分组的“结束”事件
6. 提取行索引 ($V1) 并将那些“事件”、“ID”分配给空白

library(data.table)
library(zoo)
library(dplyr)
setDT(data)[,c("event","ID") := lapply(.SD,function(x) 
        na.locf0(na_if(x,""))),.SDcols = event:ID]
data[data[,.I[duplicated(event) & event == "end"],rleid(event)]$V1,"ID") := .("","")]

-输出

data
    value event ID
 1:   150 start  A
 2:   153 start  A
 3:   156 start  A
 4:   159   mid  A
 5:   162   mid  A
 6:   165   end  A
 7:   168         
 8:   171         
 9:   174 start  A
10:   177 start  A
11:   180 start  A
12:   183   end  A
13:   186         
14:   189         
15:   192         
16:   195 start  B
17:   198 start  B
18:   201   end  B
19:   204 start  B
20:   207   mid  B
21:   210   mid  B
22:   213   end  B

,

您可以将 dplyr 和 tidyr 用于此任务：

library(tidyr)
library(dplyr)

data %>% 
  mutate(grp = cumsum(case_when(event == "end" ~ -1,event == "start" ~ 1,TRUE ~ 0)),across(c(-value,-grp),~ ifelse(.x == "" & grp == 1,NA_character_,.x))) %>% 
  fill(c(-value),.direction="down") %>% 
  select(-grp)

返回

   value event ID
1    150 start  A
2    153 start  A
3    156 start  A
4    159   mid  A
5    162   mid  A
6    165   end  A
7    168         
8    171         
9    174 start  A
10   177 start  A
11   180 start  A
12   183   end  A
13   186         
14   189         
15   192         
16   195 start  B
17   198 start  B
18   201   end  B
19   204 start  B
20   207   mid  B
21   210   mid  B
22   213   end  B