Question

tidyr::complete()为data.frame添加行，以查找数据中缺少的列值组合。例如：

library(dplyr)
library(tidyr)

df <- data.frame(person = c(1,2,2),
                 observation_id = c(1,1,2),
                 value = c(1,1,1))
df %>%
  tidyr::complete(person,
                  observation_id,
                  fill = list(value=0))

产量

# A tibble: 4 × 3
  person observation_id value
   <dbl>          <dbl> <dbl>
1      1              1     1
2      1              2     0
3      2              1     1
4      2              2     1

value中person == 1和observation_id == 2组合中的df已填入值{0。

data.table中的等价物是什么？

Answer 1

我认为data.table的原理需要更少的特殊命名函数，而不是你在tidyverse中找到的，所以需要一些额外的编码，如：

res = setDT(df)[
  CJ(person = person, observation_id = observation_id, unique=TRUE), 
  on=.(person, observation_id)
]

在此之后，您仍然需要手动处理缺失级别的值的填充。关注@ thelatemail的评论：

res[is.na(value), value := 0 ]

请参阅@Jealie's answer有关将避开此功能的功能。

当然，在这里必须输入三次列名是很疯狂的。但另一方面，人们可以写一个包装器：

completeDT <- function(DT, cols, defs = NULL){
  mDT = do.call(CJ, c(DT[, ..cols], list(unique=TRUE)))
  res = DT[mDT, on=names(mDT)]
  if (length(defs)) 
    res[, names(defs) := Map(replace, .SD, lapply(.SD, is.na), defs), .SDcols=names(defs)]
  res[]
} 

completeDT(setDT(df), cols = c("person", "observation_id"), defs = c(value = 0))

   person observation_id value
1:      1              1     1
2:      1              2     0
3:      2              1     1
4:      2              2     1

作为避免第一步输入名称三次的快速方法，请点击@ thelatemail的主题：

vars <- c("person","observation_id")
df[do.call(CJ, c(mget(vars), unique=TRUE)), on=vars]

# or with magrittr...
c("person","observation_id") %>% df[do.call(CJ, c(mget(.), unique=TRUE)), on=.]

更新：现在，由于@MichaelChirico＆amp; amp; @MattDowle为the improvement。

Answer 2

可能有更好的答案，但这有效：

dt[CJ(person=unique(dt$person), 
      observation_id=unique(dt$observation_id)),
   on=c('person','observation_id')]

给出了：

   person observation_id value
1:      1              1     1
2:      2              1     1
3:      1              2    NA
4:      2              2     1

现在，如果您希望能够填充任何值（而不是NA），我建议您等待corresponding feature完成或贡献它：）

Answer 3

值得注意的是，上面的 completeDT 函数没有 tidyr::complete 具有的许多功能。特别是，空因子级别被删除 - 不像 tidyr::complete 保留它们。如果您确实想保留空因子，则可以按如下方式编辑该函数。下面的 make_vals 函数可以更复杂地处理其他变量类，例如。整数的完整序列。


library(magrittr)
library(data.table)


dat <- data.frame(
  person = c(1,2,2),
  observation_id = factor(c(1,1,2), 1:3),
  value = c(1,1,1))

dat %>%
  tidyr::complete(
    person, observation_id, fill = list(value=0))
#> # A tibble: 6 x 3
#>   person observation_id value
#>    <dbl> <fct>          <dbl>
#> 1      1 1                  1
#> 2      1 2                  0
#> 3      1 3                  0
#> 4      2 1                  1
#> 5      2 2                  1
#> 6      2 3                  0

completeDT <- function(DT, cols, defs = NULL){
  
  make_vals <- function(col) {
    if(is.factor(col)) factor(levels(col))
    else unique(col)
  }
  
  mDT = do.call(CJ, c(lapply(DT[, ..cols], make_vals), list(unique=TRUE)))
  res = DT[mDT, on=names(mDT)]
  if (length(defs)) 
    res[, names(defs) := Map(replace, .SD, lapply(.SD, is.na), defs), .SDcols=names(defs)]
  res[]
} 

completeDT(DT = setDT(dat), cols = c("person", "observation_id"), defs = c(value = 0))
#>    person observation_id value
#> 1:      1              1     1
#> 2:      1              2     0
#> 3:      1              3     0
#> 4:      2              1     1
#> 5:      2              2     1
#> 6:      2              3     0

^{由 reprex package (v0.3.0) 于 2021 年 3 月 8 日创建}

data.table相当于tidyr :: complete（）

3 个答案: