在数据丢失的地方添加 NA [重复]答案

【问题标题】：Adding NA's where data is missing [duplicate]在数据丢失的地方添加 NA [重复]
【发布时间】：2017-04-27 17:25:10
【问题描述】：

我有一个如下所示的数据集

id = c(1,1,1,2,2,2,3,3,4)
cycle = c(1,2,3,1,2,3,1,3,2)
value = 1:9

data.frame(id,cycle,value)

> data.frame(id,cycle,value)
  id cycle value
1  1     1     1
2  1     2     2
3  1     3     3
4  2     1     4
5  2     2     5
6  2     3     6
7  3     1     7
8  3     3     8
9  4     2     9

所以基本上有一个名为id 的变量用于标识样本，一个名为cycle 的变量用于标识时间点，还有一个名为value 的变量用于标识该时间点的值。

如您所见，样本 3 没有周期 2 数据，样本 4 缺少周期 1 和 3 数据。我想知道的是有一种方法可以在循环之外运行命令以获取数据以将NA's 放置在没有数据的地方。所以我希望我的数据集如下所示：

> data.frame(id,cycle,value)
   id cycle value
1   1     1     1
2   1     2     2
3   1     3     3
4   2     1     4
5   2     2     5
6   2     3     6
7   3     1     7
8   3     2    NA
9   3     3     8
10  4     1    NA
11  4     2     9
12  4     3    NA

我可以通过大量循环和 if 语句来解决这个问题，但代码非常长且繁琐（我的真实数据集中有更多列）。

另外，我拥有的样本数量非常多，所以我需要一些可推广的东西。

【问题讨论】：

标签： r

【解决方案1】：

使用merge 和expand.grid，我们可以想出一个解决方案。 expand.grid 使用所提供向量的所有组合创建一个 data.frame（因此您可以为其提供 id 和 cycle 变量）。通过合并到您的原始数据（并使用all.x = T，类似于SQL 中的left join），我们可以用NA 填充dat 中缺少数据的那些行。

id = c(1,1,1,2,2,2,3,3,4)
cycle = c(1,2,3,1,2,3,1,3,2)
value = 1:9

dat <- data.frame(id,cycle,value)

grid_dat <- expand.grid(id = 1:4,
                        cycle = 1:3)

# or you could do (HT @jogo):
# grid_dat <- expand.grid(id = unique(dat$id), 
#                         cycle = unique(dat$cycle))

merge(x = grid_dat, y = dat, by = c('id','cycle'), all.x = T)

   id cycle value
1   1     1     1
2   1     2     2
3   1     3     3
4   2     1     4
5   2     2     5
6   2     3     6
7   3     1     7
8   3     2    NA
9   3     3     8
10  4     1    NA
11  4     2     9
12  4     3    NA

【讨论】：

或grid_dat <- expand.grid(id = unique(dat$id), cycle = unique(dat$cycle))

【解决方案2】：

基于包tidyverse的解决方案。

library(tidyverse)

# Create example data frame
id <- c(1, 1, 1, 2, 2, 2, 3, 3, 4)
cycle <- c(1, 2, 3, 1, 2, 3, 1, 3, 2)
value <- 1:9

dt <- data.frame(id, cycle, value)

# Complete the combination between id and cycle
dt2 <- dt %>% complete(id, cycle)

【讨论】：

我的话，@hadley 已经想到了一切

【解决方案3】：

这是data.table 进行交叉连接的解决方案：

library("data.table")
d <- data.table(id = c(1,1,1,2,2,2,3,3,4), cycle = c(1,2,3,1,2,3,1,3,2), value = 1:9)
d[CJ(id=id, cycle=cycle, unique=TRUE), on=.(id,cycle)]

【讨论】：