用dplyr填充缺少的序列值

我有一个数据框，缺少“SNAP_ID”的值。我想用基于前一个非缺失值（lag（）？）序列的浮点值填充缺失值。如果可能的话，我真的很想使用dplyr来实现这一点

假设：

在第一行或最后一行，我将根据数据集的最小值和最大值之间的缺失天数生成缺失日期，因此永远不会缺少数据

数据集中可能存在多个间隙

当前数据：

                  end SNAP_ID
1 2015-06-26 12:59:00     365
2 2015-06-26 13:59:00     366
3 2015-06-27 00:01:00      NA
4 2015-06-27 23:00:00      NA
5 2015-06-28 00:01:00      NA
6 2015-06-28 23:00:00      NA
7 2015-06-29 09:00:00     367
8 2015-06-29 09:59:00     368

我想要达到的目标：

                  end SNAP_ID
1 2015-06-26 12:59:00     365.0
2 2015-06-26 13:59:00     366.0
3 2015-06-27 00:01:00     366.1
4 2015-06-27 23:00:00     366.2
5 2015-06-28 00:01:00     366.3
6 2015-06-28 23:00:00     366.4
7 2015-06-29 09:00:00     367.0
8 2015-06-29 09:59:00     368.0

作为数据帧：

df <- structure(list(end = structure(c(1435323540, 1435327140, 1435363260, 
    1435446000, 1435449660, 1435532400, 1435568400, 1435571940), tzone = "UTC", class = c("POSIXct", 
    "POSIXt")), SNAP_ID = c(365, 366, NA, NA, NA, NA, 367, 368)), .Names = c("end", 
    "SNAP_ID"), row.names = c(NA, -8L), class = "data.frame")

@mathematic.coffee的杰出答案如下：

df %>% 
  arrange(end) %>%
  group_by(tmp=cumsum(!is.na(SNAP_ID))) %>%
  mutate(SNAP_ID=SNAP_ID[1] + 0.1*(0:(length(SNAP_ID)-1))) %>%
  ungroup() %>%
  select(-tmp)

---

编辑：新版本适用于任意数量的NA运行。 这个也不需要

zoo

首先，请注意

tmp=cumsum（！is.na（SNAP_ID））

组

SNAP_ID

s相同

tmp

的此类组由一个非na值和一系列na值组成

然后按此变量分组，只需在第一个SNAP_ID中添加.1即可填写NAs：

df %>% 
  arrange(end) %>%
  group_by(tmp=cumsum(!is.na(SNAP_ID))) %>%
  mutate(SNAP_ID=SNAP_ID[1] + 0.1*(0:(length(SNAP_ID)-1)))

                  end SNAP_ID tmp
1 2015-06-26 12:59:00   365.0   1
2 2015-06-26 13:59:00   366.0   2
3 2015-06-27 00:01:00   366.1   2
4 2015-06-27 23:00:00   366.2   2
5 2015-06-28 00:01:00   366.3   2
6 2015-06-28 23:00:00   366.4   2
7 2015-06-29 09:00:00   367.0   3
8 2015-06-29 09:59:00   368.0   4

然后，您可以在之后删除

tmp

列（在末尾添加

%%>%select（-tmp）

）

---

编辑：这是旧版本，不适用于

NA

s的后续运行

如果您的目标是用以前的值+0.1填充每个NA，则可以使用

zoo

的

NA.locf

（用以前的值填充每个

NA

），以及

cumsum（is.NA（SNAP_ID））*0.1来添加额外的0.1

library(zoo)
df %>% 
  arrange(end) %>%
  mutate(SNAP_ID=ifelse(is.na(SNAP_ID),
                       na.locf(SNAP_ID) + cumsum(is.na(SNAP_ID))*0.1,
                       SNAP_ID))

谢谢你出色的回答！唯一的小更正是，您需要在select（-tmp）之前解组（）。ungroup（）有时会让我发疯。
library(zoo)
df %>% 
  arrange(end) %>%
  mutate(SNAP_ID=ifelse(is.na(SNAP_ID),
                       na.locf(SNAP_ID) + cumsum(is.na(SNAP_ID))*0.1,
                       SNAP_ID))