Условная замена при наличии "правильного" значения

Быстрый грязный способ:

sapply(1:nrow(df),function(x){
  if (is.na(as.numeric(df$id[x]))==FALSE){
    ind=which(df$id==df$id[x])
    ind2=which(is.na(as.numeric(as.character((df$name[ind]))))==TRUE)
    df$name[x]<<-df$name[ind[ind2[1]]]
  }
})
df
   id name correct_name
1 100    A            A
2 100    A            A
3 101    B            B
4 102    C            C
5 103    D            D
6 104    E            E
7 104    E            E
8 105    F            F
9 100    A            A

Преобразование имен в numeric. Если появится NA, имя будет буквенным. Если нет, то это номер. Переберите другие имена с таким же id и назначьте букву, найденную в другом образце, с тем же id.

РЕДАКТИРОВАТЬ

Поскольку вы упомянули, что существуют определенные id без name для замены, в таких случаях мы можем изменить опцию ave, проверить условие и заменить значения за один вызов.

df$name <- with(df, ave(name, id, FUN = function(x) {
   inds = grepl("[0-9]+", x)
   if (any(!inds)) 
    replace(x, inds, x[which.max(!inds)])
   else
    x
}))

df
#    id name correct_name
#1  100    A            A
#2  100    A            A
#3  101    B            B
#4  102    C            C
#5  103    D            D
#6  104    E            E
#7  104    E            E
#8  105    F            F
#9  100    A            A
#10 106  106          106

Оригинальный ответ

Предполагая, что каждый id будет иметь только один уникальный name, используя dplyr, мы можем сделать двойной replace, сначала мы изменим имена, в которых есть номер, на NA, а затем заменим эти NA на первое значение в группе, отличное от NA.

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(name = replace(name, grepl("[0-9]+", name), NA), 
         name = replace(name, is.na(name), name[!is.na(name)][1]))

#  id   name  correct_name
#  <chr> <chr> <chr>       
#1 100   A     A           
#2 100   A     A           
#3 101   B     B           
#4 102   C     C           
#5 103   D     D           
#6 104   E     E           
#7 104   E     E           
#8 105   F     F           
#9 100   A     A      

И используя ту же логику с базой R ave

#Replace the numbers with NA
df$name[grepl("[0-9]+", df$name)] <- NA

#Change the NA's to first non-NA value in the group
df$name <- with(df,ave(name, id, FUN = function(x) x[!is.na(x)][1]))

Другой вариант - использовать tidyrfill в обоих направлениях.

library(tidyverse)
df %>%
  mutate(name = replace(name, grepl("[0-9]+", name), NA)) %>%
  group_by(id) %>%
  fill(name) %>%  #default direction is "down"
  fill(name, .direction = "up")

#  id    name  correct_name
#  <chr> <chr> <chr>       
#1 100   A     A           
#2 100   A     A           
#3 100   A     A           
#4 101   B     B           
#5 102   C     C           
#6 103   D     D           
#7 104   E     E           
#8 104   E     E           
#9 105   F     F   

PS - Я только что добавил stringsAsFactors = FALSE в ваш вызов data.frame, чтобы столбцы стали символами.

Решение с dplyr и использованием ifelse плюс grepl с шаблоном, установленным на "\\d+" (то есть: цифры).

Обновлено: возможно иметь только один mutate:

df %>% 
  group_by(id) %>% 
  mutate(namenew = ifelse(
    grepl("\\d+", name),   # match for digits in the string
    name[!grepl("\\d+", name)][1], # if TRUE, substitute with the first non-digit
    name # if FALSE, keep it
  )) 
#    id name correct_name namenew
# 1 100  100            A       A
# 2 100    A            A       A
# 3 101    B            B       B
# 4 102    C            C       C
# 5 103    D            D       D
# 6 104  104            E       A
# 7 104    E            E       E
# 8 105    F            F       F
# 9 100  100            A       A

Может быть, более понятно, что происходит, по сравнению с моим решением выше. (Похоже на @Ronak Shah)

library(dplyr)
df %>% 
  group_by(id) %>%
  mutate(namenew = ifelse(
    grepl("\\d+", name), 
    NA,
    name
  )) %>% 
  mutate(namenew = ifelse(
    is.na(namenew),
    namenew[!is.na(namenew)][1],
    namenew
  ))


#    id name correct_name namenew
# 1 100  100            A       A
# 2 100    A            A       A
# 3 101    B            B       B
# 4 102    C            C       C
# 5 103    D            D       D
# 6 104  104            E       A
# 7 104    E            E       E
# 8 105    F            F       F
# 9 100  100            A       A

Данные (важен stringsAsFactors):

df <- data.frame(id = c("100", "100", "101", "102", "103", "104", "104", "105", "100"), 
                 name = c("100", "A", "B", "C", "D", "104", "E", "F", "100"), 
                 correct_name = c("A", "A", "B", "C", "D", "E", "E", "F", "A"), stringsAsFactors = F)

В качестве альтернативы, это можно решить с помощью обновить присоединиться, используя Справочная таблица:

Таблица поиска создается путем фильтрации df для нецифровых записей:

library(data.table)
setDT(df)[!name %like% "^\\d+$"]

    id name correct_name
1: 100    A            A
2: 101    B            B
3: 102    C            C
4: 103    D            D
5: 104    E            E
6: 105    F            F

Теперь df объединен с таблицей поиска, и там, где найдены совпадения, name заменяется соответствующей записью в таблице поиска. В остальном name остается без изменений:

setDT(df)[df[!name %like% "^\\d+$"], on = "id", name := i.name]
df

     id name correct_name
 1: 100    A            A
 2: 100    A            A
 3: 101    B            B
 4: 102    C            C
 5: 103    D            D
 6: 104    E            E
 7: 104    E            E
 8: 105    F            F
 9: 100    A            A
10: 106  106          106