填补时间序列的空白答案

【问题标题】：Filling the gap in the time series填补时间序列的空白
【发布时间】：2019-05-14 11:58:50
【问题描述】：

我有以下数据，

id <- c(rep(12, 10), rep(14, 12), rep(16, 2))
m <- c(seq(1:5), seq(8,12), seq(1:12), 10, 12)
y <- c(rep(14, 10), rep(14, 12), rep(15, 2))
v <- rnorm(24)
df <- data.frame(id, m, y, v)

> df
   id  m  y          v
1  12  1 14  0.9453216
2  12  2 14  1.0666393
3  12  3 14 -0.2750527
4  12  4 14  1.3264349
5  12  5 14 -1.8046676
6  12  8 14  0.3334960
7  12  9 14 -1.2448408
8  12 10 14  0.5258248
9  12 11 14 -0.1233157
10 12 12 14  1.4717530
11 14  1 14  0.6217376
12 14  2 14 -0.8344823
13 14  3 14  1.1468841
14 14  4 14 -0.3363987
15 14  5 14 -1.3543311
16 14  6 14 -0.2146853
17 14  7 14 -0.6546186
18 14  8 14 -2.4286257
19 14  9 14 -1.3314888
20 14 10 14  0.8215581
21 14 11 14 -0.9999368
22 14 12 14 -1.2935147
23 16 10 15  0.7339261
24 16 12 15  1.1303524

第一列是id，第二列m是月份，第三列y是年份，最后一列是值。

在月份列中，第 14 年缺少两个观测值（6 月和 7 月），而第 15 年则缺少 11 月。

我希望那些缺失的月份的值为零。这意味着，例如，对于第 15 年，数据应如下所示，

16 10 15    0.7339261
16 11 15    0
16 12 15    1.1303524

任何人都可以提出一种方法来做到这一点？

【问题讨论】：

标签： r data.table tidyverse

【解决方案1】：

或者在data.table 中，为每个id 和year 生成月份，将其与id、y、m 上的原始数据集连接起来，然后将NAs 替换为0：

library(data.table)
setDT(df)

df[df[, .(m=min(m):max(m)), by=.(id, y)], on=.(id,y,m)][
    is.na(v), v := 0]

【讨论】：

【解决方案2】：

使用dplyr 和tidyr，您可以：

df %>%
 group_by(id) %>%
 complete(m = seq(min(m), max(m), 1), fill = list(v = 0)) %>%
 fill(y)

      id     m     y        v
   <dbl> <dbl> <dbl>    <dbl>
 1    12     1    14  0.539  
 2    12     2    14 -0.0768 
 3    12     3    14  1.85   
 4    12     4    14 -0.855  
 5    12     5    14  0.0326 
 6    12     6    14  0      
 7    12     7    14  0      
 8    12     8    14 -1.03   
 9    12     9    14 -0.982  
10    12    10    14  0.00410
11    12    11    14 -0.233  
12    12    12    14 -0.499  
13    14     1    14  1.55   
14    14     2    14  0.0875 
15    14     3    14  1.32   
16    14     4    14 -0.981  
17    14     5    14 -0.246  
18    14     6    14 -1.40   
19    14     7    14  1.44   
20    14     8    14 -0.981  
21    14     9    14  1.47   
22    14    10    14 -0.991  
23    14    11    14 -0.0945 
24    14    12    14 -2.88   
25    16    10    15 -0.247  
26    16    11    15  0      
27    16    12    15  0.0147

【讨论】：

谢谢。我不希望 10 月之前的第 15 年有任何数据点。你的解决方案是给我一月份的数据点。这意味着观察的总数应该是 27，而不是 36。
另外，我在y 列中看到零。应该是对应的年份。
所以您对每个 ID 有 12 个月不感兴趣？我想你想要每个 ID 的最小和最大月份之间的所有月份？
没有。这就是我在示例中写 15 年部分的原因。