如果信息在另一行中可用，则填充列

Question

我有如下数据：

dat <- structure(list(ZIP_source1 = c(1026, 1026, 1026, 1026, 1026, 
1026, 1026, 1026, 1026, 1026, 1017, 1012, 1012), ZIP_source2 = c(1026, 
1026, 1026, 1026, 1026, 1026, NA, NA, NA, NA, NA, 1012, 1012), 
    Category_source2 = c(4, 4, 4, 4, 4, 4, NA, NA, NA, NA, NA, 4, 4)), class = c("data.table", 
"data.frame"), row.names = c(NA, -13L))
dat

    ZIP_source1 ZIP_source2 Category_source2
 1:        1016        1016        4
 2:        1016        1016        4
 3:        1016        1016        4
 4:        1016        1016        4
 5:        1016        1016        4
 6:        1016        1016        4
 7:        1016          NA       NA
 8:        1016          NA       NA
 9:        1016          NA       NA
10:        1016          NA       NA
11:        1027          NA       NA
12:        1022        1022        4
13:        1022        1022        4

对于第 7 到 10 行，我从来源 1 知道邮政编码是什么。从来源 2 我知道这个邮政编码属于第 4 类。执行此操作的最佳方法是什么？

期望的输出：

    ZIP_source1 ZIP_source2 Category_source2
 1:        1016        1016        4
 2:        1016        1016        4
 3:        1016        1016        4
 4:        1016        1016        4
 5:        1016        1016        4
 6:        1016        1016        4
 7:        1016          NA        4
 8:        1016          NA        4
 9:        1016          NA        4
10:        1016          NA        4
11:        1027          NA       NA
12:        1022        1022        4
13:        1022        1022        4

Answer 1

我们可以使用fill

library(dplyr)
library(tidyr)
dat %>%
   group_by(ZIP_source1) %>% 
   fill(Category_source2, .direction = "downup")

或使用nafill

library(data.table)
dat[, Category_source2 := nafill(nafill(Category_source2, 
    type = "locf"), type = "nocb"), ZIP_source1]

-输出

> dat
    ZIP_source1 ZIP_source2 Category_source2
          <num>       <num>            <num>
 1:        1026        1026                4
 2:        1026        1026                4
 3:        1026        1026                4
 4:        1026        1026                4
 5:        1026        1026                4
 6:        1026        1026                4
 7:        1026          NA                4
 8:        1026          NA                4
 9:        1026          NA                4
10:        1026          NA                4
11:        1017          NA               NA
12:        1012        1012                4
13:        1012        1012                4

Answer 2

我更愿意创建新的列来执行此操作，我将其称为 zip 和 category，但如果需要，可以直接覆盖原始列。


# Get all zips where not NA in one column
dat  <- dat  %>% 
    mutate(
        zip = coalesce(ZIP_source1, ZIP_source2)
    )

# Create table of all categories
category_table  <- dat  %>% 
    select(Category_source2, zip)  %>% 
    drop_na()  %>% 
    group_by(zip)  %>% 
    distinct()  %>% 
    rename(category = Category_source2)

category_table
#   category   zip   
#      <dbl> <dbl>   
# 1        4  1026   
# 2        4  1012   

# Join as new column
left_join(dat, category_table, by = "zip")

#     left_join(dat, category_table, by = "zip")
#    ZIP_source1 ZIP_source2 Category_source2  zip category
# 1         1026        1026                4 1026        4
# 2         1026        1026                4 1026        4
# 3         1026        1026                4 1026        4
# 4         1026        1026                4 1026        4
# 5         1026        1026                4 1026        4
# 6         1026        1026                4 1026        4
# 7         1026          NA               NA 1026        4
# 8         1026          NA               NA 1026        4
# 9         1026          NA               NA 1026        4
# 10        1026          NA               NA 1026        4
# 11        1017          NA               NA 1017       NA
# 12        1012        1012                4 1012        4
# 13        1012        1012                4 1012        4

如果信息在另一行中可用，则填充列

Filling column if information is available in another row

r

data.table