填写data.table缺失日期的最快方法答案

【问题标题】：Fastest way for filling-in missing dates for data.table填写data.table缺失日期的最快方法
【发布时间】：2014-04-09 08:25:16
【问题描述】：

我正在从包含日期、订单、金额等字段的 CSV 文件中加载 data.table。

输入文件有时没有所有日期的数据。例如如下图：

> NADayWiseOrders
           date orders  amount guests
  1: 2013-01-01     50 2272.55    149
  2: 2013-01-02      3   64.04      4
  3: 2013-01-04      1   18.81      0
  4: 2013-01-05      2   77.62      0
  5: 2013-01-07      2   35.82      2

在上面的 03-Jan 和 06-Jan 中没有任何条目。

希望用默认值填充缺失的条目（例如，订单、金额等为零），或者将最后一个值向前推进（例如，03-Jan 将重用 02-Jan 的值，而 06-Jan 将重用1 月 5 日值等。）

用这样的默认值填补缺失日期数据的空白的最佳/最佳方法是什么？

答案here 建议使用allow.cartesian = TRUE 和expand.grid 用于缺少工作日 - 它可能适用于工作日（因为它们只有 7 个工作日） - 但不确定这是否是约会的正确方式同样，尤其是在我们处理多年数据时。

【问题讨论】：

标签： r datetime data.table

【解决方案1】：

惯用的data.table 方式（使用滚动连接）是这样的：

setkey(NADayWiseOrders, date)
all_dates <- seq(from = as.Date("2013-01-01"), 
                   to = as.Date("2013-01-07"), 
                   by = "days")

NADayWiseOrders[J(all_dates), roll=Inf]
         date orders  amount guests
1: 2013-01-01     50 2272.55    149
2: 2013-01-02      3   64.04      4
3: 2013-01-03      3   64.04      4
4: 2013-01-04      1   18.81      0
5: 2013-01-05      2   77.62      0
6: 2013-01-06      2   77.62      0
7: 2013-01-07      2   35.82      2

【讨论】：

谢谢。有用。如果我们想使用默认值（比如 0）而不是滚动以前的值，如何做到这一点？
是的，请问如何自动设置为零？谢谢
@maryam 使用roll=0，然后使用NADayWiseOrders[is.na(orders), orders:=0]
有什么方法可以在群组中做到这一点？ IE。到seq 从组内的最小日期到最大日期，并在组内进行滚动加入？
在组内填补空白作为另一个答案发布

【解决方案2】：

不确定是否是最快的，但如果数据中没有NAs，它会起作用：

# just in case these aren't Dates. 
NADayWiseOrders$date <- as.Date(NADayWiseOrders$date)
# all desired dates.
alldates <- data.table(date=seq.Date(min(NADayWiseOrders$date), max(NADayWiseOrders$date), by="day"))
# merge
dt <- merge(NADayWiseOrders, alldates, by="date", all=TRUE)
# now carry forward last observation (alternatively, set NA's to 0)
require(xts)
na.locf(dt)

【讨论】：

谢谢。对于NA替换为0，我想知道除了在每个字段上进行常规dt$orders[is.na(dt$orders)] <- 0替换之外，是否有更快的方法（可能使用data.table的特殊语法）。

【解决方案3】：

这是您填补子组内空白的方法

# a toy dataset with gaps in the time series
dt <- as.data.table(read.csv(textConnection('"group","date","x"
"a","2017-01-01",1
"a","2017-02-01",2
"a","2017-05-01",3
"b","2017-02-01",4
"b","2017-04-01",5')))
dt[,date := as.Date(date)]

# the desired dates by group
indx <- dt[,.(date=seq(min(date),max(date),"months")),group]

# key the tables and join them using a rolling join
setkey(dt,group,date)
setkey(indx,group,date)
dt[indx,roll=TRUE]

#>    group       date x
#> 1:     a 2017-01-01 1
#> 2:     a 2017-02-01 2
#> 3:     a 2017-03-01 2
#> 4:     a 2017-04-01 2
#> 5:     a 2017-05-01 3
#> 6:     b 2017-02-01 4
#> 7:     b 2017-03-01 4
#> 8:     b 2017-04-01 5

【讨论】：

真的很有帮助。