R：用最后一个非空单元格的值填充空单元格

Question

在Excel中，很容易在一列内抓取一个单元格，然后将cursor向下拖动，替换下面的许多单元格，使每个单元格都变成与原来相同的值。

这个 function 可以使用 for 循环在 R 中执行。 我今天花了一些时间试图弄清楚，并认为我会为了下一个站在我这边的人的利益而分享：

for (row in 2:length(data$column)){ # 2 so you don't affect column names
    if(data$column[row] == "") {    # if its empty...
        data$column[row] = data$column[row-1] # ...replace with previous row's value
    }
}

这对我有用，尽管运行一个巨大的数据文件需要很长时间（5-10 分钟）。 也许有更有效的方法来实现这个 function，我鼓励任何人说出如何做到这一点。

谢谢，祝你好运。

Answer 1

df <- data.frame(a = c(1:5, "", 3, "", "", "", 4), stringsAsFactors = FALSE)

> df
   a
1  1
2  2
3  3
4  4
5  5
6   
7  3
8   
9   
10  
11 4

while(length(ind <- which(df$a == "")) > 0){
  df$a[ind] <- df$a[ind -1]
}

> df
   a
1  1
2  2
3  3
4  4
5  5
6  5
7  3
8  3
9  3
10 3
11 4

编辑：添加时间档案

set.seed(1)
N = 1e6
df <- data.frame(a = sample(c("",1,2),size=N,replace=TRUE),
                 stringsAsFactors = FALSE)

if(df$a[1] == "") {df$a[1] <- NA}

system.time(
  while(length(ind <- which(df$a == "")) > 0){
    df$a[ind] <- df$a[ind - 1]
  }, gcFirst = TRUE)

user  system elapsed 
0.89    0.00    0.88 

Answer 2

这里使用快速的解决方案na.locf从zoo内应用包data.table 。 我在结果中创建了一个新的列y ，以更好地可视化替换缺失值的效果（这里很容易重新生成x列）。 由于na.locf替换了缺失值，因此需要额外的步骤来用NA替换所有零长度值。 该解决方案是非常快，只需不到半秒钟在我的机器为1E6行。

library(data.table)
library(zoo)
N=1e6  ##  number of rows 
DT <- data.table(x=sample(c("",1,2),size=N,replace=TRUE))
system.time(DT[!nzchar(x),x:=NA][,y:=na.locf(x)])
## user  system elapsed 
## 0.59    0.30    1.78 
# x y
# 1:  2 2
# 2: NA 2
# 3: NA 2
# 4:  1 1
# 5:  1 1
# ---     
#   999996:  1 1
# 999997:  2 2
# 999998:  2 2
# 999999: NA 2
# 1000000: NA 2

Answer 3

借用agstudy的MWE：

library(dplyr)
library(zoo)

N = 1e6
df <- data.frame(x = sample(c(NA,"A","B"), size=N, replace=TRUE))

system.time(test <- df %>% dplyr::do(zoo::na.locf(.)))

   user  system elapsed 
  0.082   0.000   0.130 

Answer 4

只是为了提供更新；

tidyr::fill() 比闪电还快

library(dplyr)
library(tidyr)

N = 1e6
df <- data.frame(x = sample(c(NA,"A","B"), size=N, replace=TRUE))

system.time(test <- df %>% tidyr::fill(x))

   user  system elapsed 
   0.01    0.00    0.02