R 如果缺少观测值，请在数据框中添加行
我有一个df1，每个人（id）有多份调查问卷（测量），在特定时间点（日期）回答。通常每个人每节课都应填写三份问卷（第一、前、后）。一些参与者未能填写全部三份问卷。他们可能只回答三个问题中的一个或两个。因此，可能的模式可能是完整的（参与者A）、缺少“post”（参与者B）、缺少“first”（参与者C）、缺少“pre”（参与者D），或者只回答了三者中的一个（参与者E、F、G） 见df1：R 如果缺少观测值，请在数据框中添加行,r,tidyverse,R,Tidyverse,我有一个df1，每个人（id）有多份调查问卷（测量），在特定时间点（日期）回答。通常每个人每节课都应填写三份问卷（第一、前、后）。一些参与者未能填写全部三份问卷。他们可能只回答三个问题中的一个或两个。因此，可能的模式可能是完整的（参与者A）、缺少“post”（参与者B）、缺少“first”（参与者C）、缺少“pre”（参与者D），或者只回答了三者中的一个（参与者E、F、G） 见df1： df1 <- structure(list(id = structure(c(1L, 1L, 1L, 2
df1 <- structure(list(id = structure(c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 4L, 4L, 5L, 6L, 7L), .Label = c("A", "B", "C", "D", "E", "F", "G"), class = "factor"), measure = structure(c(1L, 3L, 2L, 1L, 3L, 3L, 2L, 1L, 2L, 1L, 3L, 2L), .Label = c("first", "post", "pre"), class = "factor"), date = structure(c(17558, 17558, 17558, 17558, 17559, 17559, 17559, 17559, 17558, 17558, 17558, 17558 ), class = "Date"), result = c(1, 5, 4, 7, 8, 7, 2, 1, 3, 5, 7, 7)), class = "data.frame", row.names = c(NA, -12L))
df1%
解组（）
final <- df1 %>% complete(id, nesting(measure, date))
最终完成百分比（id、嵌套（度量、日期））
也许更复杂的是，参与者可以参加不止一次会议。因此，每个id都可能有x*（第一个，后一个，前一个）。应该通过
complete（df1，id，measure）library(dplyr)
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
library(tidyr)
df1 <- structure(list(
id = structure(c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 4L, 4L, 5L, 6L, 7L),
.Label = c("A", "B", "C", "D", "E", "F", "G"),
class = "factor"),
measure = structure(c(1L, 3L, 2L, 1L, 3L, 3L, 2L, 1L, 2L, 1L, 3L, 2L),
.Label = c("first", "post", "pre"),
class = "factor"),
date = structure(c(17558, 17558, 17558, 17558, 17559, 17559, 17559, 17559, 17558, 17558, 17558, 17558 ), class = "Date"),
result = c(1, 5, 4, 7, 8, 7, 2, 1, 3, 5, 7, 7)), class = "data.frame", row.names = c(NA, -12L))
df2 <- structure(list(id = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 7L, 7L, 7L), .Label = c("A", "B", "C", "D", "E", "F", "G"), class = "factor"), measure = structure(c(1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L), .Label = c("first", "post", "pre"), class = "factor"), date = structure(c(17558, 17558, 17558, 17558, 17559, NA, NA, 17559, 17559, 17559, NA, 17558, 17558, NA, NA, NA, 17558, NA, NA, NA, 17558), class = "Date"), result = c(1, 5, 4, 7, 8, NA, NA, 7, 2, 1, NA, 3, 5, NA, NA, NA, 7, NA, NA, NA, 7)), class = "data.frame", row.names = c(NA, -21L))
# Result with complete(df1, id, measure) and setting order of measure
complete(df1, id, measure) %>%
mutate(measure = factor(measure, levels = c("first", "pre", "post"))) %>%
arrange(id, measure, date) %>%
as.data.frame()
#> id measure date result
#> 1 A first 2018-01-27 1
#> 2 A pre 2018-01-27 5
#> 3 A post 2018-01-27 4
#> 4 B first 2018-01-27 7
#> 5 B pre 2018-01-28 8
#> 6 B post <NA> NA
#> 7 C first <NA> NA
#> 8 C pre 2018-01-28 7
#> 9 C post 2018-01-28 2
#> 10 D first 2018-01-28 1
#> 11 D pre <NA> NA
#> 12 D post 2018-01-27 3
#> 13 E first 2018-01-27 5
#> 14 E pre <NA> NA
#> 15 E post <NA> NA
#> 16 F first <NA> NA
#> 17 F pre 2018-01-27 7
#> 18 F post <NA> NA
#> 19 G first <NA> NA
#> 20 G pre <NA> NA
#> 21 G post 2018-01-27 7
# Desired output
df2 %>%
mutate(measure = factor(measure, levels = c("first", "pre", "post"))) %>%
arrange(id, measure, date)
#> id measure date result
#> 1 A first 2018-01-27 1
#> 2 A pre 2018-01-27 5
#> 3 A post 2018-01-27 4
#> 4 B first 2018-01-27 7
#> 5 B pre 2018-01-28 8
#> 6 B post <NA> NA
#> 7 C first <NA> NA
#> 8 C pre 2018-01-28 7
#> 9 C post 2018-01-28 2
#> 10 D first 2018-01-28 1
#> 11 D pre <NA> NA
#> 12 D post 2018-01-27 3
#> 13 E first 2018-01-27 5
#> 14 E pre <NA> NA
#> 15 E post <NA> NA
#> 16 F first <NA> NA
#> 17 F pre 2018-01-27 7
#> 18 F post <NA> NA
#> 19 G first <NA> NA
#> 20 G pre <NA> NA
#> 21 G post 2018-01-27 7
库（dplyr）
#>
#>正在附加包：“dplyr”
#>以下对象已从“package:stats”屏蔽：
#>
#>滤波器，滞后
#>以下对象已从“package:base”屏蔽：
#>
#>相交、setdiff、setequal、并集
图书馆（tidyr）
df1%
安排（id、度量、日期）%>%
as.data.frame（）
#>id测量日期结果
#>1第一次2018-01-27 1
#>2 A 2018年1月27日之前5
#>3 A 2018年1月27日后4
#>4 B第一次2018-01-27 7
#>5 B 2018年1月28日之前8
#>6 B邮政编码：NA
#>7 C第一不适用
#>8 C 2018年1月28日之前7
#>9 C 2018年1月28日之后2
#>第10天第一次2018-01-28 1
#>11日NA前
#>2018年1月27日后12天3
#>13 E第一次2018-01-27 5
#>14 E前NA
#>15 E邮政局NA
#>16 F第一NA
#>17 F 2018年1月27日前7
#>18楼邮政局
#>19克第一钠
#>20克预钠
#>21 G 2018年1月27日后7
#期望输出
df2%>%
突变（度量=因子（度量，级别=c（“第一”、“前”、“后”））%>%
安排（id、尺寸、日期）
#>id测量日期结果
#>1第一次2018-01-27 1
#>2 A 2018年1月27日之前5
#>3 A 2018年1月27日后4
#>4 B第一次2018-01-27 7
#>5 B 2018年1月28日之前8
#>6 B邮政编码：NA
#>7 C第一不适用
#>8 C 2018年1月28日之前7
#>9 C 2018年1月28日之后2
#>第10天第一次2018-01-28 1
#>11日NA前
#>2018年1月27日后12天3
#>13 E第一次2018-01-27 5
#>14 E前NA
#>15 E邮政局NA
#>16 F第一NA
#>17 F 2018年1月27日前7
#>18楼邮政局
#>19克第一钠
#>20克预钠
#>21 G 2018年1月27日后7
由（v0.3.0）于2020-03-09创建，看起来是一个很好的解决方案。谢谢。必须检查“真实”数据。然而，期望输出的测量顺序并不是第一位的➜ 之前➜ 邮递但如果日期变量更精确，这也可以实现？或者我先重新编码，先编码，后编码成1，2，3？是的。根据所需的顺序重新编码度量，例如`因子（度量，级别=c（“第一”、“前”、“后”））。我只是重新安排来比较解决方案。（；df1%变异（度量值=因子（度量值，级别=c（“第一”、“前”、“后”））更改因子级别。但是排列（id、日期、度量值）不会导致正确的顺序，因为完成后缺少“时间”。您好。只需更改排列中变量的顺序，即排列（id、度量值、日期）.刚刚对我的帖子进行了编辑，包括重新排列因子的代码以及排列中使用的变量的顺序。
final <- df1 %>% complete(id, nesting(measure, date))
library(dplyr)
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
library(tidyr)
df1 <- structure(list(
id = structure(c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 4L, 4L, 5L, 6L, 7L),
.Label = c("A", "B", "C", "D", "E", "F", "G"),
class = "factor"),
measure = structure(c(1L, 3L, 2L, 1L, 3L, 3L, 2L, 1L, 2L, 1L, 3L, 2L),
.Label = c("first", "post", "pre"),
class = "factor"),
date = structure(c(17558, 17558, 17558, 17558, 17559, 17559, 17559, 17559, 17558, 17558, 17558, 17558 ), class = "Date"),
result = c(1, 5, 4, 7, 8, 7, 2, 1, 3, 5, 7, 7)), class = "data.frame", row.names = c(NA, -12L))
df2 <- structure(list(id = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 4L, 5L, 5L, 5L, 6L, 6L, 6L, 7L, 7L, 7L), .Label = c("A", "B", "C", "D", "E", "F", "G"), class = "factor"), measure = structure(c(1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L, 1L, 3L, 2L), .Label = c("first", "post", "pre"), class = "factor"), date = structure(c(17558, 17558, 17558, 17558, 17559, NA, NA, 17559, 17559, 17559, NA, 17558, 17558, NA, NA, NA, 17558, NA, NA, NA, 17558), class = "Date"), result = c(1, 5, 4, 7, 8, NA, NA, 7, 2, 1, NA, 3, 5, NA, NA, NA, 7, NA, NA, NA, 7)), class = "data.frame", row.names = c(NA, -21L))
# Result with complete(df1, id, measure) and setting order of measure
complete(df1, id, measure) %>%
mutate(measure = factor(measure, levels = c("first", "pre", "post"))) %>%
arrange(id, measure, date) %>%
as.data.frame()
#> id measure date result
#> 1 A first 2018-01-27 1
#> 2 A pre 2018-01-27 5
#> 3 A post 2018-01-27 4
#> 4 B first 2018-01-27 7
#> 5 B pre 2018-01-28 8
#> 6 B post <NA> NA
#> 7 C first <NA> NA
#> 8 C pre 2018-01-28 7
#> 9 C post 2018-01-28 2
#> 10 D first 2018-01-28 1
#> 11 D pre <NA> NA
#> 12 D post 2018-01-27 3
#> 13 E first 2018-01-27 5
#> 14 E pre <NA> NA
#> 15 E post <NA> NA
#> 16 F first <NA> NA
#> 17 F pre 2018-01-27 7
#> 18 F post <NA> NA
#> 19 G first <NA> NA
#> 20 G pre <NA> NA
#> 21 G post 2018-01-27 7
# Desired output
df2 %>%
mutate(measure = factor(measure, levels = c("first", "pre", "post"))) %>%
arrange(id, measure, date)
#> id measure date result
#> 1 A first 2018-01-27 1
#> 2 A pre 2018-01-27 5
#> 3 A post 2018-01-27 4
#> 4 B first 2018-01-27 7
#> 5 B pre 2018-01-28 8
#> 6 B post <NA> NA
#> 7 C first <NA> NA
#> 8 C pre 2018-01-28 7
#> 9 C post 2018-01-28 2
#> 10 D first 2018-01-28 1
#> 11 D pre <NA> NA
#> 12 D post 2018-01-27 3
#> 13 E first 2018-01-27 5
#> 14 E pre <NA> NA
#> 15 E post <NA> NA
#> 16 F first <NA> NA
#> 17 F pre 2018-01-27 7
#> 18 F post <NA> NA
#> 19 G first <NA> NA
#> 20 G pre <NA> NA
#> 21 G post 2018-01-27 7