将缺失的时间行插入到数据框中

Question

假设我有一个数据框：

df <- data.frame(group = c('A','A','A','B','B','B'), 
                 time = c(1,2,4,1,2,3),
                 data = c(5,6,7,8,9,10))

我想要做的是将数据插入序列中缺失的数据框中。所以在上面的例子中，我缺少 A 组的 time = 3 和 B 组的 time = 4 的数据。我基本上想用 0 代替 data列。

我将如何添加这些额外的行？

目标是：

df <- data.frame(group = c('A','A','A','A','B','B','B','B'), 
                 time = c(1,2,3,4,1,2,3,4),
                 data = c(5,6,0,7,8,9,10,0))

我的真实数据是几千个数据点，所以手动这样做是不可能的。

Answer 1

你可以试试merge/expand.grid

 res <- merge(
          expand.grid(group=unique(df$group), time=unique(df$time)),
                                     df, all=TRUE)
 res$data[is.na(res$data)] <- 0
 res
 #  group time data
 #1     A    1    5
 #2     A    2    6
 #3     A    3    0
 #4     A    4    7
 #5     B    1    8
 #6     B    2    9
 #7     B    3   10
 #8     B    4    0

或使用data.table

 library(data.table)
 setkey(setDT(df), group, time)[CJ(group=unique(group), time=unique(time))
                     ][is.na(data), data:=0L]
 #    group time data
 #1:     A    1    5
 #2:     A    2    6
 #3:     A    3    0
 #4:     A    4    7
 #5:     B    1    8
 #6:     B    2    9
 #7:     B    3   10
 #8:     B    4    0

更新

正如@thelatemail 在评论中提到的那样，如果特定的 'time' 值不存在于所有组中，上述方法将失败。可能这会更笼统。

 res <- merge(
          expand.grid(group=unique(df$group), 
                      time=min(df$time):max(df$time)),
                                     df, all=TRUE)
 res$data[is.na(res$data)] <- 0

并类似地在 data.table 解决方案中将 time=unique(time) 替换为 time= min(time):max(time)。

将缺失的时间行插入到数据框中

Insert missing time rows into a dataframe

r

time-series

missing-data

更新