R Dplyr：将缺失的行添加到整数列的间隙中

Question

我正在使用 R 中的 dplyr 包来“总结”一些输入数据。

第 1 步：计算给定日期 (Date) 的记录数 (N)，除了 A 列中的另一个分类值之外，还有某个索引值 (Idx)。 p>

T <- orig_data %>% group_by(A, Date, Idx) %>% summarise(N=n())

第 2 步：创建一个给定日期与给定 Idx 值或更高的计数的累积总和。

T2 <- T %>% mutate(cN=cumsum(N))

但是，表中不存在介于其最大值和最小值之间的某些 Idx 值，例如下面的示例中缺少 idx=10。

A   Date        Idx N   cN
N   2020-10-01  8   18  85
N   2020-10-01  9   6   91
N   2020-10-01  11  1   92
N   2020-10-01  13  10  102

我想为每个缺失的 Idx 值添加一行，例如在缺失的每一天，例如

N   2020-10-01  10  0   91  

我尝试使用最简单的填充函数版本进行尝试，但结果没有明显变化（可能是因为 Idx 被解释为列表而不是向量？）

T3 <- T2 %>% fill(cN)

有没有办法轻松添加上面的行，并识别任何其他缺失的行并将它们添加到表中？

Answer 1

使用tidyr 的函数的解决方案：complete 和nesting。我看到你在另一篇文章中评论说你已经尝试过complete 函数，但它很慢。试试nesting 列看看是否有帮助。

library(dplyr)
library(tidyr)

dat2 <- dat %>%
  complete(nesting(A, Date), Idx = full_seq(Idx, period = 1), fill = list(N = 0)) %>%
  fill(cN)
dat2
# # A tibble: 6 x 5
#   A     Date         Idx     N    cN
#   <chr> <chr>      <dbl> <dbl> <int>
# 1 N     2020-10-01     8    18    85
# 2 N     2020-10-01     9     6    91
# 3 N     2020-10-01    10     0    91
# 4 N     2020-10-01    11     1    92
# 5 N     2020-10-01    12     0    92
# 6 N     2020-10-01    13    10   102

Answer 2

我找到的最佳解决方案（我之前遇到过同样的问题）是创建一个替代数据框，其中包括我关心的完整序列。然后，我将我真实的主要数据集加入到那个替身中。

这有点hacky，但只需几行就可以完成。它还会产生感兴趣的结果。

library(dplyr)

df <- data.frame(idx = c(8, 9, 11, 12), n = c(11, 22, 33, 44)) %>% 
  left_join(
    x = data.frame(idx = seq(min(.$idx), max(.$idx))),
    y = .)

df

输出：

  idx  n
1   8 11
2   9 22
3  10 NA
4  11 33
5  12 44