使用tidyverse，您可以通过values是否缺失来确定arrange（这将把它们放在底部）。

library(tidyverse)

df %>%
  arrange(id, is.na(values))

输出

id itemid values
   <dbl>  <dbl>  <dbl>
 1     1      1      1
 2     1      3      0
 3     1      2     NA
 4     2      3      0
 5     2      1     NA
 6     2      2     NA
 7     3      1      1
 8     3      3      0
 9     3      2     NA
10     3      4     NA

或者，如果希望itemid和其他列保持相同的顺序，可以使用mutate对感兴趣的列进行特定排序（如values）。其他答案提供了很好的解决方案，如@圣地亚哥和@ThomasIsCoding。如果有多个感兴趣的列要将NA移到每组的底部，还可以尝试：

df %>%
  group_by(id) %>%
  mutate(across(.cols = values, ~values[order(is.na(.))]))

其中.cols参数将包含要独立转换和重新排序的列。

输出

id itemid values
   <dbl>  <dbl>  <dbl>
 1     1      1      1
 2     1      2      0
 3     1      3     NA
 4     2      1      0
 5     2      2     NA
 6     2      3     NA
 7     3      1      1
 8     3      2      0
 9     3      3     NA
10     3      4     NA

我们可以试试ave + order

> transform(df,  values = ave(values, id, FUN = function(x) x[order(is.na(x))]))
   id itemid values
1   1      1      1
2   1      2      0
3   1      3     NA
4   2      1      0
5   2      2     NA
6   2      3     NA
7   3      1      1
8   3      2      0
9   3      3     NA
10  3      4     NA

使用data.table：

library(data.table)

setDT(df)[, values := values[order(is.na(values))], id][]
#>     id itemid values
#>  1:  1      1      1
#>  2:  1      2      0
#>  3:  1      3     NA
#>  4:  2      1      0
#>  5:  2      2     NA
#>  6:  2      3     NA
#>  7:  3      1      1
#>  8:  3      2      0
#>  9:  3      3     NA
#> 10:  3      4     NA

我会定义一个函数来完成您想要的任务，然后按id分组：

completed_first <- function(x) {
  completed <- x[!is.na(x)]
  length(completed) <- length(x)
  completed
}

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(
    values = completed_first(values)
  ) %>%
  ungroup()
# # A tibble: 10 × 3
#       id itemid values
#    <dbl>  <dbl>  <dbl>
#  1     1      1      1
#  2     1      2      0
#  3     1      3     NA
#  4     2      1      0
#  5     2      2     NA
#  6     2      3     NA
#  7     3      1      1
#  8     3      2      0
#  9     3      3     NA
# 10     3      4     NA

(This方法会保留itemid的顺序）。
或者基于ThomasIsCoding的答案：

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(
    values = values[order(is.na(values))]
  ) %>%
  ungroup()
# # A tibble: 10 × 3
#       id itemid values
#    <dbl>  <dbl>  <dbl>
#  1     1      1      1
#  2     1      2      0
#  3     1      3     NA
#  4     2      1      0
#  5     2      2     NA
#  6     2      3     NA
#  7     3      1      1
#  8     3      2      0
#  9     3      3     NA
# 10     3      4     NA