使用dplyr分组后查找缺少的月份
我有一个数据框,其中有两列,我用dplyr对它们进行分组,一列是月份(作为数字,例如1到12),还有几列是统计数据(值不重要)。例如:使用dplyr分组后查找缺少的月份,r,dplyr,missing-data,R,Dplyr,Missing Data,我有一个数据框,其中有两列,我用dplyr对它们进行分组,一列是月份(作为数字,例如1到12),还有几列是统计数据(值不重要)。例如: 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
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
对于第二个分组(ID_1=1
和ID_2=2
),数据中缺少一个月(month=8
)。是否有方法可以找到本月并插入一行,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
函数来处理这个问题,但似乎没有弄明白,也许还有一个非dplyr
的解决方案
PS:如果有帮助的话,
ID_1
和ID_2
的每个唯一分组将缺少不超过1个月的时间。展开网格以生成所有组的组合,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
#引用所有需要的行
ref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
来源:本地数据帧[6 x 5]
分组:ID_1,ID_2[1]
ID\u 1 ID\u 2个月st1 st2
1 1 2 7 0.5 0.2
2128NA
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
如果使用tidyr
,则有complete
功能,如果希望将两个变量都作为分组变量,则可以嵌套ID\u 1
和ID\u 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
library(tidyr)
df1=df%>%完成(嵌套(ID_1,ID_2),月)
尾部(df1)
#来源:本地数据帧[6 x 5]
#ID\u 1 ID\u 2个月st1 st2
#
# 1 1 2 7 0.5 0.2
#2128NA
# 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
我不清楚你在找什么。你真的想要一个全新的列来显示缺失月份的值吗?在接下来的几个月里,该专栏的其他价值是什么?它们会是NA吗?我的文章中的措辞不正确,我已经编辑过了。我想在缺少月份的地方插入一个新行,新行的列中填充了NA
(除了ID列)。