根据跨多列拆分的时间值重复行 - R答案

【问题标题】：Repeat rows based on time values split across multiple columns - R根据跨多列拆分的时间值重复行 - R
【发布时间】：2020-07-17 06:33:17
【问题描述】：

我正在尝试根据月份和年份值重复行。

目前，我的 df 看起来像这样：

Country Date    Year   Month
Angola  1/2008  2008    1
Angola  6/2020  2020    6
Benin   1/2013  2013    1
Benin   6/2020  2020    6
Benin   7/2014  2014    7

对于每个国家/地区，我想重复观察结果，使 df 看起来像这样：

Country Year   Month
Angola  2008    1
Angola  2008    2
Angola  2008    3
Angola  2008    4
Angola  2008    5
Angola  2008    6

etc... all the way until 06/2020 for Angola

有一个非常优雅的解决方案可以根据值重复行 (from this post)。如果我仅根据年份重复行，则解决方案的语法将如下所示：

df<-df %>%
  mutate(Year = readr::parse_number(Year)) %>% 
  group_by(Country)  %>%
  complete(Year =min(Year):max(Year))

但是，我想重复时间范围，不仅基于年份，还基于月份。我还没有找到一个很好的方法来调整这种语法来做到这一点。我尝试将 Date 变量解析为日期，然后根据该日期重复，但这会为变量分配一个日期，并且重复行的次数远远超过我需要的次数。

df<-df %>% 
  mutate(Date = readr::parse_datetime(Date)) %>% 
  group_by(Country)  %>%
  complete(Date =min(Date):max(Date))

关于如何做到这一点的任何想法？更愿意调整我一直在尝试的语法，但也对新的可能性持开放态度

【问题讨论】：

标签： r dplyr

【解决方案1】：

我们删除Date 列，按“国家”分组后，使用complete 和“年”和“月”序列

library(dplyr)
out <- df1 %>% 
   select(-Date) %>% 
   mutate(Month2 = Month) %>% 
   group_by(Country) %>% 
   complete(Year = min(Year):max(Year), Month = first(Month):12) %>% 
   fill(Month2) %>%
   filter(Year == max(Year) & Month <= last(Month2)| Year != max(Year)) %>%
   select(-Month2)
out
# A tibble: 240 x 3
# Groups:   Country [2]
#   Country  Year Month
#   <chr>   <int> <int>
# 1 Angola   2008     1
# 2 Angola   2008     2
# 3 Angola   2008     3
# 4 Angola   2008     4
# 5 Angola   2008     5
# 6 Angola   2008     6
# 7 Angola   2008     7
# 8 Angola   2008     8
# 9 Angola   2008     9
#10 Angola   2008    10
# … with 231 more rows

-检查输出

-头

out %>%
   filter(Country == 'Angola') %>% 
   head(14)
# A tibble: 14 x 3
# Groups:   Country [1]
   Country  Year Month
   <chr>   <int> <int>
 1 Angola   2008     1
 2 Angola   2008     2
 3 Angola   2008     3
 4 Angola   2008     4
 5 Angola   2008     5
 6 Angola   2008     6
 7 Angola   2008     7
 8 Angola   2008     8
 9 Angola   2008     9
10 Angola   2008    10
11 Angola   2008    11
12 Angola   2008    12
13 Angola   2009     1
14 Angola   2009     2

-尾巴

out %>%
   filter(Country == 'Angola') %>% 
   tail(10)
# A tibble: 10 x 3
# Groups:   Country [1]
   Country  Year Month
   <chr>   <int> <int>
 1 Angola   2019     9
 2 Angola   2019    10
 3 Angola   2019    11
 4 Angola   2019    12
 5 Angola   2020     1
 6 Angola   2020     2
 7 Angola   2020     3
 8 Angola   2020     4
 9 Angola   2020     5
10 Angola   2020     6

数据

df1 <- structure(list(Country = c("Angola", "Angola", "Benin", "Benin", 
"Benin"), Date = c("1/2008", "6/2020", "1/2013", "6/2020", "7/2014"
), Year = c(2008L, 2020L, 2013L, 2020L, 2014L), Month = c(1L, 
6L, 1L, 6L, 7L)), class = "data.frame", row.names = c(NA, -5L
))

【讨论】：

我原来的救星又回来了！我遇到的问题是这段代码在去年的月份结束，而不是一直持续到当年的 12 月。我将在原帖中发布更好的解释
@YuNa。你需要Month = min(Month):12。您的预期输出仅显示 6 行，所以我不确定
这就像一个魅力！抱歉耽搁了，我正在尝试理解使用 fill 和 filter 的行
@YuNa 你不需要fill，只使用max(Year, na.rm = TRUE)。我只是使用fill 将NA 元素替换为以前的非NA
@YuNa 在这种情况下，使用last(Month2) 而不是max(Month2)

【解决方案2】：

library(tidyverse)

df <- tibble(
  Country = c("Angola", "Angola", "Benin", "Benin", "Benin"),
  Date = c("1/2008", "6/2020", "1/2013", "6/2020", "7/2014"),
  Year = c(2008, 2020, 2013, 2020, 2014),
  Month = c(1,6,1,6,7))


df %>%
  group_by(Country) %>%
  mutate(Date = lubridate::dmy(paste("1", Date))) %>%
  select(-Month, - Year) %>%
  complete(Date = seq(min(Date), max(Date), by = "months"))

【讨论】：