更新介于NA与值之间的所有记录

Question

我有一个以下格式的数据表：

id      c1        c2
1       1         NA
1       1         NA
1       1         10 
1       1         NA   
1       1         NA
1       1         10 
1       1         NA
1       1         NA
1       1         11 
1       1         NA   
1       1         NA
1       1         11
2       1         NA
2       1         12 
2       1         NA   
2       1         NA
2       1         12

从这个数据表中我想更新c2中两个值之间的所有NA，如下所示：

    id      c1        c2
    1       1         NA
    1       1         NA
    1       1         10 
    1       1         10   
    1       1         10
    1       1         10 
    1       1         NA
    1       1         NA
    1       1         11 
    1       1         11   
    1       1         11
    1       1         11
    2       1         NA
    2       1         12 
    2       1         12   
    2       1         12
    2       1         12

Answer 1

可以使用for循环和which()：

来实现

df=data.frame(id = c(rep(1,12)),c2 = c(NA,NA,10,NA,NA,10, NA,NA,11,NA,11,NA))

查找c2的唯一值：

vals=unique(df[which(!is.na(df$c2)),'c2']) 

循环显示唯一值并在第一次和最后一次出现之间替换观察结果：

for(i in vals){
  df[min(which(df$c2==i)):max(which(df$c2==i)),'c2']=i
}

Answer 2

除了直接使用行索引的David's approach之外，还有另一种data.table方法，它使用非等连接：

# coerce to data.table
setDT(DT)[
  # append unique row id
  , rn := .I][
    # non-equi join on row ids
    DT[!is.na(c2), .(rmin = min(rn), rmax = max(rn)), by = c2], 
    on = .(rn >= rmin, rn <= rmax), c2 := i.c2][
      # remove row id column
      , rn := NULL][]

    id c1 c2
 1:  1  1 NA
 2:  1  1 NA
 3:  1  1 10
 4:  1  1 10
 5:  1  1 10
 6:  1  1 10
 7:  1  1 NA
 8:  1  1 NA
 9:  1  1 11
10:  1  1 11
11:  1  1 11
12:  1  1 11
13:  2  1 NA
14:  2  1 12
15:  2  1 12
16:  2  1 12
17:  2  1 12

买者

表达式

DT[!is.na(c2), .(rmin = min(rn), rmax = max(rn)), by = c2]

返回c2

的每个唯一值的行ID范围

   c2 rmin rmax
1: 10    3    6
2: 11    9   12
3: 12   14   17

隐含的假设是行id范围不重叠。它要求每个“间隙”与唯一的c2值相关联。这也会影响其他解决方案1，2。

使用rleid()

改进了解决方案

可以改进代码以处理违反上述假设的情况。

使用rleid()，即使具有相同的c2值，我们也可以区分不同的差距。例如，对于第二个样本数据集

DT2[!is.na(c2), .(c2 = first(c2), rmin = min(rn), rmax = max(rn)), by = rleid(c2)]

   rleid c2 rmin rmax
1:     1 10    3    6
2:     2 11    9   12
3:     3 12   14   17
4:     4 10   20   23

完整的代码：

setDT(DT2)[, rn := .I][
  DT2[!is.na(c2), .(c2 = first(c2), rmin = min(rn), rmax = max(rn)), by = rleid(c2)], 
  on = .(rn >= rmin, rn <= rmax), c2 := i.c2][, rn := NULL][]

    id c1 c2
 1:  1  1 NA
 2:  1  1 NA
 3:  1  1 10
 4:  1  1 10
 5:  1  1 10
 6:  1  1 10
 7:  1  1 NA
 8:  1  1 NA
 9:  1  1 11
10:  1  1 11
11:  1  1 11
12:  1  1 11
13:  2  1 NA
14:  2  1 12
15:  2  1 12
16:  2  1 12
17:  2  1 12
18:  2  1 NA
19:  2  1 NA
20:  2  1 10
21:  2  1 10
22:  2  1 10
23:  2  1 10
24:  2  1 NA
25:  2  1 NA
    id c1 c2

数据

library(data.table)
DT <- fread("id      c1        c2
1       1         NA
1       1         NA
1       1         10 
1       1         NA   
1       1         NA
1       1         10 
1       1         NA
1       1         NA
1       1         11 
1       1         NA   
1       1         NA
1       1         11
2       1         NA
2       1         12 
2       1         NA   
2       1         NA
2       1         12")

扩展数据集（注意c2 == 10的重复出现）：

DT2 <- fread("id      c1        c2
1       1         NA
1       1         NA
1       1         10 
1       1         NA   
1       1         NA
1       1         10 
1       1         NA
1       1         NA
1       1         11 
1       1         NA   
1       1         NA
1       1         11
2       1         NA
2       1         12 
2       1         NA   
2       1         NA
2       1         12
2       1         NA
2       1         NA
2       1         10 
2       1         NA   
2       1         NA
2       1         10 
2       1         NA
2       1         NA")

Answer 3

好的（新的/编辑过的答案），我们可以利用这样一个事实，即解决方案的理想属性是填充应该产生与填充相同的结果：

var config = configs[db];