使用前一天的数据填充时间序列中缺少的值-R

我有一个数据框，其中每行是不同的日期，每列是不同的时间序列。
表中的日期范围为2019年1月1日至2021年1月1日。
某些时间序列仅与部分日期相关，并且在周末和节假日缺少值

如何仅使用前一天的值为每列的相关日期填写每个时间序列的缺失值（如果特定列中的时间序列为2019年3月1日至2019年9月1日，我只希望填写此日期范围中的缺失值）？
此外，如果时间序列停止超过5天，然后继续，我希望停止完成，然后重新启动完成

我已尝试使用填充功能：

data <- data %>%  
fill(colnames(data))  

所需输出为：

#  Date         time_series_1           time_series_2            time_series_3
1  01-01-2019               NA                      10                       8
2  02-01-2019               5                       10                       10
3  03-01-2019               10                      10                       20   
4  04-01-2019               20                      6                        40
5  05-01-2019               30                      6                        40
6  06-01-2019               30                      8                        40
7  07-01-2019               7                       NA                       40
8  08-01-2019               5                       NA                       40
9  09-01-2019               NA                      NA                       5
10 10-01-2019               NA                      NA                       5
11 11-01-2019               NA                      NA                       7
12 12-01-2019               NA                      NA                       10
13 13-01-2019               NA                      NA                       11
14 14-01-2019               NA                      NA                       12
15 15-01-2019               NA                      NA                       12
16 16-01-2019               NA                      NA                       9
17 17-01-2019               NA                      NA                       10
18 18-01-2019               NA                      NA                       10
19 19-01-2019               5                       NA                       11
20 20-01-2019               5                       NA                       11
21 21-01-2019               5                       NA                       11
22 22-01-2019               6                       NA                       11

编辑

感谢@G.Grothendieck提到

na.locf0

有

maxgap

参数，可以直接处理5天的情况

data[-1] <- lapply(data[-1], zoo::na.locf0, maxgap = 5)
data

函数也可以与

dplyr:：cross

library(dplyr)
data %>% mutate(across(starts_with('time_series'), conditionally_replace_na))

---

这回答了你的问题吗？不，相似但不一样。它不处理时间序列停止超过5天然后重新启动的情况。

na.locf

和

na.locf0

之间的主要区别是什么，区别在于

na.locf0

具有默认值

na.rm=FALSE

，而

na.locf

默认设置为

TRUE

。感谢@G.Grothendieck，

maxgap

使它变得超级简单。更新了答案，将其包括在内。

conditionally_replace_na <- function(x) {
  ifelse(with(rle(is.na(x)), rep(lengths, lengths)) <= 5 & is.na(x), 
               zoo::na.locf0(x), x)  
}

data[-1] <- lapply(data[-1], conditionally_replace_na)
data

#         Date time_series_1 time_series_2 time_series_3
#1  01-01-2019            NA            10             8
#2  02-01-2019             5            10            10
#3  03-01-2019            10            10            20
#4  04-01-2019            20             6            40
#5  05-01-2019            30             6            40
#6  06-01-2019            30             8            40
#7  07-01-2019             7            NA            40
#8  08-01-2019             5            NA            40
39  09-01-2019            NA            NA             5
#10 10-01-2019            NA            NA             5
#11 11-01-2019            NA            NA             7
#12 12-01-2019            NA            NA            10
#13 13-01-2019            NA            NA            11
#14 14-01-2019            NA            NA            12
#15 15-01-2019            NA            NA            12
#16 16-01-2019            NA            NA             9
#17 17-01-2019            NA            NA            10
#18 18-01-2019            NA            NA            10
#19 19-01-2019             5            NA            11
#20 20-01-2019             5            NA            11
#21 21-01-2019             5            NA            11
#22 22-01-2019             6            NA            11

library(dplyr)
data %>% mutate(across(starts_with('time_series'), conditionally_replace_na))