r - 按组添加行，以便每个组至少有 n 个观察值答案

【问题标题】：r - Adding rows by group so that every group has at least n observationsr - 按组添加行，以便每个组至少有 n 个观察值
【发布时间】：2019-12-20 17:03:50
【问题描述】：

我正在使用如下结构的数据框：

structure(list(Date = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 4L, 
5L, 1L, 2L), .Label = c("2010-02-01", "2010-03-01", "2010-04-01", 
"2010-05-01", "2010-06-01"), class = "factor"), y = c(1, 1, 1, 
2, 2, 2, 2, 2, 3, 3), binary = c(0, 0, 0, 0, 0, 0, 1, 1, 0, 1
)), class = "data.frame", row.names = c(NA, -10L))


        Date  y binary
1  2010-02-01 1      0
2  2010-03-01 1      0
3  2010-04-01 1      0
4  2010-02-01 2      0
5  2010-03-01 2      0
6  2010-04-01 2      0
7  2010-05-01 2      1
8  2010-06-01 2      1
9  2010-02-01 3      0
10 2010-03-01 3      1

我正在努力让每个组至少有四个连续的逐月观察，条件是一旦二进制假设组的 value = 1，它就会保持这种状态.结果应如下所示：

         Date   y binary
>1  2010-02-01  1   0
>2  2010-03-01  1   0
>3  2010-04-01  1   0
>4  2010-05-01  1   0
>5  2010-02-01  2   0
>6  2010-03-01  2   0
>7  2010-04-01  2   0
>8  2010-05-01  2   1
>9  2010-06-01  2   1
>10 2010-02-01  3   0
>11 2010-03-01  3   1
>12 2010-04-01  3   1
>13 2010-05-01  3   1

我为第一组 (y = 1) 创建了一个数据子集，下面的循环适用于此。

dt1 <- dt[1:3,]
maxdate<- 0
while(nrow(dt1) < 5){maxdate <- as.Date(dt1[nrow(dt1), 1])  %m+% months(1) ;  dt1<- rbind(dt1, c(as.character(maxdate) , dt1[nrow(dt1),2], dt1[nrow(dt1),3]))}

但我不知道如何将此函数合并到像 dt %>% group_by(y) 这样的 dplyr 结构中。

我如何获得我的结果，最好使用 dplyr，如果可能，不重复 for 循环？（实际数据集非常大）。

【问题讨论】：

标签： r for-loop dplyr as.date

【解决方案1】：

这是一个选项，我们首先将“日期”转换为 Date 类，按“y”分组，获取行数（每组 n()），然后使用该信息扩展“日期” ' 在complete 中，这样每组至少有 4 行，fill NA 元素与先前的非 NA 并删除创建的临时 'n' 列

library(dplyr)
library(tidyr)
df1 %>%
   mutate(Date = as.Date(Date)) %>%
   group_by(y) %>% 
   mutate(n = n()) %>%
   complete(Date = seq(first(Date), length.out = max(first(n), 4),
           by = '1 month')) %>%
   fill(binary) %>%
   select(-n)
# A tibble: 13 x 3
# Groups:   y [3]
#      y Date       binary
#   <dbl> <date>      <dbl>
# 1     1 2010-02-01      0
# 2     1 2010-03-01      0
# 3     1 2010-04-01      0
# 4     1 2010-05-01      0
# 5     2 2010-02-01      0
# 6     2 2010-03-01      0
# 7     2 2010-04-01      0
# 8     2 2010-05-01      1
# 9     2 2010-06-01      1
#10     3 2010-02-01      0
#11     3 2010-03-01      1
#12     3 2010-04-01      1
#13     3 2010-05-01      1

【讨论】：

谢谢！这非常有帮助。我注意到使用 zoo 包中的 na.locf() 是一种比 fill() 更有效地填写剩余列的方法，并且可以在几秒钟内完成工作，而不是几天。

【解决方案2】：

一种选择是创建一个包含您想要的所有日期的新表，然后将其滚动连接到您的原始表 df，然后根据需要将 nafill 其他列。

library(lubridate)
library(data.table)
setDT(df)
df[, Date := as.Date(Date)]

alldts <- 
  df[, if(.N < 4) .(Date = first(Date) + months(0:3)) else Date,  by = y]

df[alldts, on = .(y, Date), roll = -Inf
   ][, binary := nafill(binary, 'locf')][]

#           Date y binary
#  1: 2010-02-01 1      0
#  2: 2010-03-01 1      0
#  3: 2010-04-01 1      0
#  4: 2010-05-01 1      0
#  5: 2010-02-01 2      0
#  6: 2010-03-01 2      0
#  7: 2010-04-01 2      0
#  8: 2010-05-01 2      1
#  9: 2010-06-01 2      1
# 10: 2010-02-01 3      0
# 11: 2010-03-01 3      1
# 12: 2010-04-01 3      1
# 13: 2010-05-01 3      1

【讨论】：