用相邻行R中的重复项替换NA

我有一个数据集，其中包含

日期

、

年龄

和

客户ID

。

Age

中的一些行中缺少值（NAs），我想对它们进行插补

以下是一些示例数据：

Date <- c("201101", "201102", "201101", "201102", "201103")
Age <- c("12-17", "12-17", "30-35", NA, NA)
Customer_ID <- c("1234", "1234", "5678", "5678", "5678")
df <- data.frame(Date, Age, Customer_ID)

Date      Age      Customer_ID
201101    12-17    1234
201102    12-17    1234
201101    30-35    5678
201102    NA       5678
201103    NA       5678

---

Date您可以从
tidyr
使用
fill
功能。它是一个
tidyr
功能，用于结转最后一次观察，即用以前的非NA值填充NA值。为了实现这一点，您可以使用
arrange
对列2进行排序，该列对非NAs后面的
NA
值进行排序，然后您可以按客户ID分组并填写
Age
列：

library(dplyr)
library(tidyr)
df %>% arrange(Age) %>% group_by(Customer_ID) %>% fill(Age)

# Source: local data frame [5 x 3]
# Groups: Customer_ID [2]

#      Date    Age Customer_ID
#    <fctr>  <fctr>  <fctr>
# 1  201101   12-17    1234
# 2  201102   12-17    1234
# 3  201101   30-35    5678
# 4  201102   30-35    5678
# 5  201103   30-35    5678

库（dplyr）
图书馆（tidyr）
df%%>%排列（年龄）%%>%分组依据（客户ID）%%>%填充（年龄）
#来源：本地数据帧[5 x 3]
#组别：客户识别码[2]
#日期年龄客户识别码
#        
# 1  201101   12-17    1234
# 2  201102   12-17    1234
# 3  201101   30-35    5678
# 4  201102   30-35    5678
# 5  201103   30-35    5678
带基数R：

lookup <- unique(df[!is.na(df$Age),][c('Customer_ID', 'Age')])
df[is.na(df$Age),]$Age <- lookup[match(df[is.na(df$Age),]$Customer_ID,
                                                lookup$Customer_ID),]$Age

lookup@SamFirke你说得对，谢谢你的链接。