使用干预观察扩展数据框答案

【问题标题】：Expand data frame with intervening observations使用干预观察扩展数据框
【发布时间】：2018-05-17 03:30:30
【问题描述】：

我正在尝试扩展 R 中的数据框，其中缺少并非立即显而易见的观察结果。这就是我的意思：

data.frame(id = c("a","b"),start = c(2002,2004), end = c(2005,2007))

这是：

 id start  end
1  a  2002 2005
2  b  2004 2007

我想要一个新的数据框，总共有 8 个观察值，“a”和“b”各 4 个，并且年份是开始和结束（包括）之间的值之一。所以：

id year
a 2002
a 2003
a 2004
a 2005
b 2004
b 2005
b 2006
b 2007

据我了解，各种版本的 expand 仅适用于唯一值，但这里我的数据框没有所有唯一值（明确地）。

我正在考虑逐步遍历每一行，然后使用 sapply() 生成一个数据框，然后将所有新数据框连接在一起。但这次尝试失败了：

sapply(test,function(x) { data.frame( id=rep(id,x[["end"]]-x[["start"]]), year = x[["start"]]:x[["end"]] )})

我知道必须有一些 dplyr 或其他魔法来解决这个问题！

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

你可以使用tidyr和dplyr

library(tidyr)
library(dplyr)

df %>% 
  gather(key = key, value = year, -id) %>% 
  select(-key) %>% 
  group_by(id) %>%
  complete(year = full_seq(year,1))

# A tibble: 8 x 2
# Groups:   id [2]
  id     year
  <fct> <dbl>
1 a      2002
2 a      2003
3 a      2004
4 a      2005
5 b      2004
6 b      2005
7 b      2006
8 b      2007

【讨论】：

谢谢！这行得通...但是如果我想将其他变量复制到这些干预观察中，则失败，而不仅仅是 id。
可以使用此代码完成，但 @Jack Brookes 打字较少。这一切都取决于您想要对中间年份的数值做什么。
@phiver 我发布的data.table-solution 打字更少;-)

【解决方案2】：

使用dplyr 和tidyr，我创建了一个包含年份列表的新列，然后取消嵌套数据框。

library(tidyr)
library(dplyr)

df <-
  data.frame(
    id = c("a", "b"),
    start = c(2002, 2004),
    end = c(2005, 2007)
  )


df %>% 
  rowwise() %>% 
  mutate(year = list(seq(start, end))) %>% 
  select(-start, -end) %>% 
  unnest()

输出

# A tibble: 8 x 2
  id      year
  <fct>  <int>
1 a       2002
2 a       2003
3 a       2004
4 a       2005
5 b       2004
6 b       2005
7 b       2006
8 b       2007

【讨论】：

谢谢！这行得通！并且添加其他变量很容易；它们会自动被复制到我想要的位置。

【解决方案3】：

data.table 的简单解决方案：

library(data.table)

# option 1
setDT(df)[, .(year = seq(start, end)), by = id]

# option 2
setDT(df)[, .(year = start:end), by = id]

给出：

   id year
1:  a 2002
2:  a 2003
3:  a 2004
4:  a 2005
5:  b 2004
6:  b 2005
7:  b 2006
8:  b 2007

基于 R 的方法：

lst <- Map(seq, df$start, df$end)

data.frame(id = rep(df$id, lengths(lst)), year = unlist(lst))

【讨论】：