Tidyverse:使用tidyverse工具*用最新的非NA值替换NAs *

Question

我的问题在使用zoo::和data.table::之前已经得到了回答；我很好奇使用tidyverse/dplyr最好的解决方案是什么。

之前的答案(非潮汐)：Forward and backward fill data frame in R Replacing NAs with latest non-NA value

我的数据如下所示，每个国家(美国、澳大利亚)的前两年(2015、2016)都有缺失的数据(底部的数据输入代码)：

#>   country year value
#> 1     usa 2015    NA
#> 2     usa 2016    NA
#> 3     usa 2017   100
#> 4     usa 2018    NA
#> 5     aus 2015    NA
#> 6     aus 2016    NA
#> 7     aus 2017    50
#> 8     aus 2018    60

我想用2017年的可用值来填充每个国家/地区的缺失值。

我希望这个数字只能在2017年之前的几年内使用--所以2018年的安娜应该不会被任何东西所填充。它应该保持为NA。

所以我想要的输出是：

#>   country year value
#> 1     usa 2015   100
#> 2     usa 2016   100
#> 3     usa 2017   100
#> 4     usa 2018    NA
#> 5     aus 2015    50
#> 6     aus 2016    50
#> 7     aus 2017    50
#> 8     aus 2018    60

我尝试过group_by(country)，然后我怀疑我应该使用coalesce()，但我通常会跨向量使用coalesce，而不是沿着它们。

library(tidyverse)
df %>% group_by(country) %>% 

使用tidyverse工具做这件事最简单的方法是什么？

数据输入代码：

#install.packages("datapasta")
df <- data.frame(
  stringsAsFactors = FALSE,
           country = c("usa", "usa", "usa", "usa", "aus", "aus", "aus", "aus"),
              year = c(2015L, 2016L, 2017L, 2018L, 2015L, 2016L, 2017L, 2018L),
             value = c(NA, NA, 100L, NA, NA, NA, 50L, 60L)
)
df

Answer 1

我们可以在2017年之前为每个NA提供2017年的replace价值。

library(dplyr)

df %>% 
  group_by(country) %>% 
  mutate(value = replace(value, is.na(value) & year < 2017, value[year == 2017]))
  #Similarly with ifelse
  #mutate(value = ifelse(is.na(value) & year < 2017, value[year == 2017], value))

#  country  year value
#  <chr>   <int> <int>
#1 usa      2015   100
#2 usa      2016   100
#3 usa      2017   100
#4 usa      2018    NA
#5 aus      2015    50
#6 aus      2016    50
#7 aus      2017    50
#8 aus      2018    60

Answer 2

# Tidyverse solution
library(tidyverse)
df %>%
  group_by(country) %>%
  arrange(year) %>% 
  fill(value, .direction = 'up') %>%
  ungroup() %>% 
  arrange(country, year)

# Base R solution: 
data.frame(do.call("rbind", lapply(split(df, df$country), function(x){
        x$value[which(is.na(x$value) & x$year < 2017)] <- x$value[which(x$year == 2017)]
        return(x)
      }
    )
  ),
row.names = NULL
)