R：用前一个和后一个非缺失数据的平均值插补缺失数据

假设数据如下所示：

df <- data.frame(ID=1:6, Value=c(NA, 1, NA, NA, 2, NA))
df
  ID Value
1  1    NA
2  2     1
3  3    NA
4  4    NA
5  5     2
6  6    NA

更具体地说，我想用前一个和后一个非缺失数据的平均值来插补缺失数据，如果只有前一个或后一个非缺失数据存在，用这个非缺失数据插补。未定义缺少所有数据的行为

我怎样才能在R中做到这一点？

这应该可以

for( i in 1:nrow(df)){
    if(is.na(df$Value[i])){
        df$Value[i] <- mean(df$Value[1:i])
    }
}

for（1中的i:nrow（df））{
if（is.na（df$Value[i]））{
df$Value[i]看看
approxfun
和
rule=2
的设计。这并不完全是您所要求的（因为它在NA间隙之间进行线性插值，而不是替换间隙端点的平均值），但它可能是可以接受的：

> approxfun(df$ID, df$Value, rule=2)(df$ID)
[1] 1.000000 1.000000 1.333333 1.666667 2.000000 2.000000

使用
rule=2
时，它在极端情况下的行为符合您的要求。zoo软件包中还有
na.approx
方法

我要提醒大家，不要将这些数据用于任何进一步的统计推断。这种插补方法本质上是说，在不进行测量的时期内，不存在随机变化的可能性，而且世界通常不那么一致。
向前和向后使用
na.locf
并取其平均值：

library(zoo)

both <- cbind( na.locf(df$Value, na.rm = FALSE), 
               na.locf(df$Value, na.rm = FALSE, fromLast = TRUE))
transform(df, Value = rowMeans(both, na.rm = TRUE))

这似乎就是您要寻找的：imputeTS:：interpolation和zoo:：appro可能值得一看，以获得与请求的解决方案类似的解决方案（实际上不是100%的请求结果）
library(zoo)

both <- cbind( na.locf(df$Value, na.rm = FALSE), 
               na.locf(df$Value, na.rm = FALSE, fromLast = TRUE))
transform(df, Value = rowMeans(both, na.rm = TRUE))

  ID Value
1  1   1.0
2  2   1.0
3  3   1.5
4  4   1.5
5  5   2.0
6  6   2.0