使用 dplyr 分组后查找缺失的月份答案

【问题标题】：Find missing month after grouping with dplyr使用 dplyr 分组后查找缺失的月份
【发布时间】：2017-01-24 00:54:14
【问题描述】：

我有一个数据框，其中包含两列，我用 dplyr 分组，一列月份（作为数字，例如 1 到 12），以及后面的几列统计数据（值不重要）。一个例子：

ID_1   ID_2   month  st1    st2
1      1      1      0.5    0.2
1      1      2      0.7    0.9
1      1      3      1.1    1.7
1      1      4      2.6    0.8
1      1      5      1.8    1.3
1      1      6      2.1    2.2
1      1      7      0.5    0.2
1      1      8      0.7    0.9
1      1      9      1.1    1.7
1      1      10     2.6    0.8
1      1      11     1.8    1.3
1      1      12     2.1    2.2
1      2      1      0.5    0.2
1      2      2      0.7    0.9
1      2      3      1.1    1.7
1      2      4      2.6    0.8
1      2      5      1.8    1.3
1      2      6      2.1    2.2
1      2      7      0.5    0.2
1      2      9      1.1    1.7
1      2      10     2.6    0.8
1      2      11     1.8    1.3
1      2      12     2.1    2.2

对于第二组（ID_1 = 1 和 ID_2 = 2），数据中缺少一个月（month = 8）。有没有办法我可以在这个月找到并插入一个 row，其中包含正确的 ID_1 和 ID_2 值、缺少的 month 值以及其余列的 NA 值?我一直在使用dplyr 函数来解决这个问题，但似乎无法弄清楚，也许甚至还有一个非dplyr 的解决方案。

PS：如果有帮助，ID_1 和 ID_2 的每个唯一分组将丢失不超过 1 个月。

【问题讨论】：

我不清楚您在寻找什么。您真的想要一个全新的列来显示缺失月份的值吗？其他月份没有丢失的列的其他值是什么？它们会是 NA 吗？
我的帖子中的措辞已关闭，我已对其进行了编辑。我想在缺少月份的地方插入一个新的行，该新行的列填充有NA（除了 ID 列）。

标签： r dplyr missing-data

【解决方案1】：

扩展网格以使所有组组合，然后合并：

# make reference with all needed rows
ref <- data.frame(expand.grid(unique(df1$ID_1),
                              unique(df1$ID_2),
                              1:12))
colnames(ref) <- colnames(df1)[1:3]

# them merge with all TRUE
res <- merge(df1, ref, all = TRUE)

# to check output, show only month = 8
res[ res$month == 8, ]
#    ID_1 ID_2 month st1 st2
# 8     1    1     8 0.7 0.9
# 20    1    2     8  NA  NA

【讨论】：

【解决方案2】：

如果您使用tidyr，则有complete 函数，如果您希望这两个变量都作为分组变量，您可以嵌套ID_1 和ID_2：

library(tidyr)
df1 = df %>% complete(nesting(ID_1, ID_2), month)

tail(df1)    
# Source: local data frame [6 x 5]

#    ID_1  ID_2 month   st1   st2
#   <int> <int> <int> <dbl> <dbl>
# 1     1     2     7   0.5   0.2
# 2     1     2     8    NA    NA
# 3     1     2     9   1.1   1.7
# 4     1     2    10   2.6   0.8
# 5     1     2    11   1.8   1.3
# 6     1     2    12   2.1   2.2

【讨论】：

【解决方案3】：

这可以通过tidyr::complete：

library(dplyr)
library(tidyr)

dat %>% 
    group_by(ID_1, ID_2) %>%
    complete(month = 1:12)

数据集的尾部：

Source: local data frame [6 x 5]
Groups: ID_1, ID_2 [1]

   ID_1  ID_2 month   st1   st2
  <int> <int> <int> <dbl> <dbl>
1     1     2     7   0.5   0.2
2     1     2     8    NA    NA
3     1     2     9   1.1   1.7
4     1     2    10   2.6   0.8
5     1     2    11   1.8   1.3
6     1     2    12   2.1   2.2

【讨论】：