R 根据数据集中的ID填写N/As

我在R中的数据集看起来像下面的一个，我有多个ID和年份，但不总是街道、州和国家的信息

ID   Year   Street        State   Country
1    2000   123 Main St   CA      USA
1    2001   N/A           N/A     N/A     
1    2002   N/A           N/A     N/A
...
1    2017   N/A           N/A     N/A
2    2001   123 Bloom Rd  CA      USA
2    2002   123 Bloom Rd  CA      USA
2    2003   N/A           N/A     N/A
...
2    2017   N/A           N/A     N/A
...

我的目标是用适当的值（即每个ID对应的值）填写N/As。因此，对于ID“1”，街道N/As下应该有“123 Main Street”，以此类推

---

谢谢大家!

这里是同时使用data.tbale和dplyr的解决方案

df <- read.table(text = "ID,   Year,   Street,        State,   Country
1,    2000,   123 Main St,   CA,      USA
1,    2001,   N/A,           N/A,     N/A     
1,    2002,   N/A,           N/A,     N/A
1,    2017,   N/A,           N/A,     N/A
2,   2001,   123 Bloom Rd,  CA,      USA
2,   2002,   123 Bloom Rd,  CA,      USA
2,    2003,   N/A,           N/A,     N/A
2,    2017,   N/A,           N/A,     N/A",header = T,sep = ",")

library(dplyr)
df %>% 
  group_by(ID) %>% 
  mutate_at(vars('Street', 'State', 'Country'), funs(.[!is.na(.)][1]))

library(data.table)
df <- setDT(df)
coltochange <- c("Street", "State", "Country")
df[, c(coltochange) := lapply(.SD,function(x){x[!is.na(x)][1]}),.SDcols = coltochange ,by = ID]

---

这里是同时使用data.tbale和dplyr的解决方案

df <- read.table(text = "ID,   Year,   Street,        State,   Country
1,    2000,   123 Main St,   CA,      USA
1,    2001,   N/A,           N/A,     N/A     
1,    2002,   N/A,           N/A,     N/A
1,    2017,   N/A,           N/A,     N/A
2,   2001,   123 Bloom Rd,  CA,      USA
2,   2002,   123 Bloom Rd,  CA,      USA
2,    2003,   N/A,           N/A,     N/A
2,    2017,   N/A,           N/A,     N/A",header = T,sep = ",")

library(dplyr)
df %>% 
  group_by(ID) %>% 
  mutate_at(vars('Street', 'State', 'Country'), funs(.[!is.na(.)][1]))

library(data.table)
df <- setDT(df)
coltochange <- c("Street", "State", "Country")
df[, c(coltochange) := lapply(.SD,function(x){x[!is.na(x)][1]}),.SDcols = coltochange ,by = ID]

---

尝试

tidyverse

方法：

df <- read_table("ID Year Street State Country #importing the data
1 2000 123_Main_St CA USA
1 2001 N/A N/A N/A     
1 2002 N/A N/A N/A
1 2017 N/A N/A N/A
2 2001 123_Bloom_Rd CA USA
2 2002 123_Bloom_Rd CA USA
2 2003 N/A N/A N/A
2 2017 N/A N/A N/A") %>% 
  separate("ID Year Street State Country", c("ID", "Year", "Street", "State", "Country"), sep = " ") %>% # cleaning the columns
  group_by(ID) %>% # grouping by vars with same ID(Information)
  mutate_at(vars('Street', 'State', 'Country'), funs(.[.!= "N/A"][1])) # replace NA with information of same ID without NA (remember NA is still a string from import)

df%
单独（“ID年-街道-州-国家”，c（“ID”，“年”，“街道”，“州”，“国家”），sep=“”）%>%#清洁立柱
分组依据（ID）%>%#按具有相同ID的变量分组（信息）
在（vars（'Street'、'State'、'Country'）、funs（..！=“N/A”][1]）处进行变异#用不带NA的相同ID的信息替换NA（记住NA仍然是导入的字符串）

尝试

tidyverse

方法：

df <- read_table("ID Year Street State Country #importing the data
1 2000 123_Main_St CA USA
1 2001 N/A N/A N/A     
1 2002 N/A N/A N/A
1 2017 N/A N/A N/A
2 2001 123_Bloom_Rd CA USA
2 2002 123_Bloom_Rd CA USA
2 2003 N/A N/A N/A
2 2017 N/A N/A N/A") %>% 
  separate("ID Year Street State Country", c("ID", "Year", "Street", "State", "Country"), sep = " ") %>% # cleaning the columns
  group_by(ID) %>% # grouping by vars with same ID(Information)
  mutate_at(vars('Street', 'State', 'Country'), funs(.[.!= "N/A"][1])) # replace NA with information of same ID without NA (remember NA is still a string from import)

df%
单独（“ID年-街道-州-国家”，c（“ID”，“年”，“街道”，“州”，“国家”），sep=“”）%>%#清洁立柱
分组依据（ID）%>%#按具有相同ID的变量分组（信息）
在（vars（'Street'、'State'、'Country'）、funs（..！=“N/A”][1]）处进行变异#用不带NA的相同ID的信息替换NA（记住NA仍然是导入的字符串）

Try

library（dplyr）；df1%%>%group_by（ID）%%>%mutate_at（vars（'Street'、'State'、'Country'）、funs（.[！='N/A'][1]））

谢谢。不幸的是，它只适用于某些观察，而不适用于整个数据集。可能是，您有时将NA作为字符串导入，有时作为逻辑库（dplyr）导入；df1%%>%group_by（ID）%%>%mutate_at（vars（'Street'、'State'、'Country'）、funs（.[！='N/A'][1]））谢谢。不幸的是，它只对某些观察有效，而对整个数据集无效。可能是，您有时将NA作为字符串导入，有时作为逻辑数据导入？