添加缺失的行答案

【问题标题】：Adding missing rows添加缺失的行
【发布时间】：2013-05-20 12:18:25
【问题描述】：

我的excel数据文件的格式是：

 day                 value
 01-01-2000 00:00:00    4
 01-01-2000 00:01:00    3
 01-01-2000 00:02:00    1
 01-01-2000 00:04:00    1

我用这个打开我的文件：

ts = read.csv(file=pathfile, header=TRUE, sep=",")

如何将“值”列中编号为零的其他行添加到数据框中。输出示例：

 day                  value
 01-01-2000 00:00:00    4
 01-01-2000 00:01:00    3
 01-01-2000 00:02:00    1
 01-01-2000 00:03:00    0
 01-01-2000 00:04:00    1

【问题讨论】：

标签： r posixct

【解决方案1】：

Tidyr 提供了很好的complete 函数来为隐式丢失的数据生成行。我在第二步中使用 replace_na 将 NA 值变为 0。

ts%>%
  tidyr::complete(day=seq.POSIXt(min(day), max(day), by="min"))%>%
  dplyr::mutate(value=tidyr::replace_na(value,0))

请注意，我将日期的粒度设置为分钟，因为您的数据集每分钟需要一行。

【讨论】：

【解决方案2】：

这现在在padr 包中完全自动化。只需要一行代码。

original <- data.frame(
  day = as.POSIXct(c("01-01-2000 00:00:00",
                     "01-01-2000 00:01:00",
                     "01-01-2000 00:02:00",
                     "01-01-2000 00:04:00"), format="%m-%d-%Y %H:%M:%S"),
  value = c(4, 3, 1, 1))

library(padr)
library(dplyr) # for the pipe operator
original %>% pad %>% fill_by_value(value)

请参阅 vignette("padr") 或 this 博客文章了解其工作原理。

【讨论】：

只有当数据中有Date、POSIXct或POSIXlt类的变量时才有效。如果时间维度是int，也可以吗？
有padr::pad_int这个函数。

【解决方案3】：

我认为这是一个更通用的解决方案，它依赖于创建所有时间戳的序列，将其用作新数据帧的基础，然后在适用的 df 中填写原始值。

# convert original `day` to POSIX
ts$day <- as.POSIXct(ts$day, format="%m-%d-%Y %H:%M:%S", tz="GMT")

# generate a sequence of all minutes in a day
minAsNumeric <- 946684860 + seq(0,60*60*24,by=60) # all minutes of your first day
minAsPOSIX <- as.POSIXct(minAsNumeric, origin="1970-01-01", tz="GMT") # convert those minutes to POSIX

# build complete dataframe
newdata <- as.data.frame(minAsPOSIX)
newdata$value <- ts$value[pmatch(newdata$minAsPOSIX, ts$day)] # fill in original `value`s where present
newdata$value[is.na(newdata$value)] <- 0 # replace NAs with 0

【讨论】：

【解决方案4】：

试试：

ts = read.csv(file=pathfile, header=TRUE, sep=",", stringsAsFactors=F)
ts.tmp = rbind(ts,list("01-01-2000 00:03:00",0))
ts.out = ts.tmp[order(ts.tmp$day),]

请注意，您需要将第一列中的字符串强制加载为字符，而不是因素，否则您将遇到 rbind 问题。要使日期列成为一个因素，而不仅仅是这样做：

ts.out$day = as.factor(ts.out$day)

【讨论】：