循环仅在R中的最后一次迭代中运行-在参与者上循环

我对R非常陌生，我正在尝试运行一个循环，所以非常感谢您的帮助

我有每个参与者的多个时间点的纵向数据，看起来像附件中的图片

我需要将

NA

值替换为

Years

变量等于0时的值，我想为每个参与者编写一个循环。我已经编写了一些代码，似乎可以工作，但是它只为循环的最后一次迭代（最后一个参与者）提供输出。这是我正在使用的代码：

x <- c(1:4) 

n = length(x)

for(i in 1:n)
{
  data <- subset(df, ID %in% c(x[i]))
  
  data$outcome <- ifelse(is.na(data$outcome), 
                         data[1,3], 
                   data$outcome)
}

---

x您的循环将替换每次迭代的
data$outcome
。这就是为什么你只能得到最后的结果

以下是我不雅观的解决方案：

使样本数据与您的匹配（不包括未使用的列）

my_dat更简单的tidyverse方法：

library(tidyverse)

df %>%
  filter(ID %in% x) %>%
  mutate(outcome = ifelse(is.na(Outcome), Years, Outcome))
  

你的问题需要一些澄清和一个值得谴责的例子。正如我所理解的：“我需要用年份变量等于0时的值替换NA值”。因此，如果
outcome
等于
NA
和
Years
等于
0
你想
outcom
等于
0

set.seed(1984) # ser the seed so that my_dat is the same each time
# using a modified df from markhogue answer...
my_dat <- data.frame(
  ID = 1:30,
  years = sample(c(0, 1.5, 3), 30, replace = T),
  outcome = as.numeric(sample(c("", 1, 2), 30, replace = T))
)
my_dat # have a look at rows 9 and 22
# ifelse given two conditions does year == 0 and is.na(outcome)
my_dat$outcome <- ifelse(my_dat$year == 0 & is.na(my_dat$outcome), my_dat$years, my_dat$outcome)
my_dat # have a look at rows 9 and 22

set.seed（1984）#设置种子，使我的数据每次都相同
#使用来自markhogue答案的修改df。。。
我的数据我不是100%清楚您的意图，但这将在一个ID内，用
年份==0的行中的（第一个）
结果
值填充所有
结果
缺失的值

library(dplyr)
df %>% 
  group_by(ID) %>%
  mutate(outcome = coalesce(outcome, first(outcomes[Years == 0])))

显然未经测试，但如果您提供一些示例数据，我很乐意帮助调试。
我相信
ifelse
已经进行了行计算。您可能不需要allAlway的循环，因为它是一个整洁的解决方案，并且在我测试它时可以工作。不过有点慢
microbenchmark（base=my_dat$outcome%group_by（ID）%%>%mutate（outcome=coalesce（outcome，first（outcome，first（outcome[years==0]））
@QAsena好吧，（a）我们对这个问题有不同的解释——只有当NA值恰好出现在
years==0的行上时，你才填写NA值。我对这个问题的理解是OP希望用
years==0的行中的值来填充ID中所有缺少的值。也许OP会澄清问题…（b）如果您没有对足够大的数据进行基准测试，以使差异至少达到0.01秒，那么这无关紧要（除非这是对时间敏感的生产代码…）。如果OP的目的确实是一个分组操作，我很有信心
dplyr
将比
base
更快地处理任何足够大的数据，使差异变得明显。当然，如果我真的关心速度，我会使用
data.table
）非常感谢大家的帮助！很抱歉，问题没有明确说明或澄清-但Gregor您的解释是正确的，您的解决方案工作得非常好！非常感谢你。@Gregor Thomas。我同意，关于速度的
data.table
（我已经看到
dplyr
在速度检查中被
base
击败，但在这一点上是逐案的！）。目前我对大数据集有很多速度和内存限制，所以我的想法是：D
library(tidyverse)

df %>%
  filter(ID %in% x) %>%
  mutate(outcome = ifelse(is.na(Outcome), Years, Outcome))
  

set.seed(1984) # ser the seed so that my_dat is the same each time
# using a modified df from markhogue answer...
my_dat <- data.frame(
  ID = 1:30,
  years = sample(c(0, 1.5, 3), 30, replace = T),
  outcome = as.numeric(sample(c("", 1, 2), 30, replace = T))
)
my_dat # have a look at rows 9 and 22
# ifelse given two conditions does year == 0 and is.na(outcome)
my_dat$outcome <- ifelse(my_dat$year == 0 & is.na(my_dat$outcome), my_dat$years, my_dat$outcome)
my_dat # have a look at rows 9 and 22

library(dplyr)
df %>% 
  group_by(ID) %>%
  mutate(outcome = coalesce(outcome, first(outcomes[Years == 0])))