背景

Question

背景

我是一个季度数据集，其中缺少某些季度和相应的值。数据集的特征是：

每个小组应该相同数量的季度，但在实际宿舍中缺少
缺少季度值未知
- 这是通过寻找下一个可用值来解决的;例如，可通过na.locf函数

示例数据

# Packages
Vectorize(require)(package = c("tidyverse", "zoo", "magrittr"),
                   character.only = TRUE)

# Seed
set.seed(123)

# Dummy data
dta <- data.frame(group = rep(LETTERS[1:5], 10)) %>%
    group_by(group) %>%
    mutate(qrtr = seq(
        from = as.Date("01/01/2012", "%d/%m/%Y"),
        to = as.Date("31/5/2014", "%d/%m/%Y"),
        by = "quarter"
    )) %>%
    ungroup() %>%
    mutate(qrtr = as.yearqtr(qrtr)) %>%
    arrange(group, qrtr) %>%
    mutate(value = sample(1:10, 50, replace = TRUE))

# Remove random rows
dta[sample(1:dim(dta)[1], 10), c(2, 3)] <- NA
dta %<>% na.omit()

预览

# A tibble: 40 x 3
   group          qrtr value
   <chr> <S3: yearqtr> <int>
 1     A       2012 Q1     3
 2     A       2012 Q2     8
 3     A       2012 Q4     9
 4     A       2013 Q1    10
 5     A       2013 Q3     6
 6     A       2013 Q4     9
 7     A       2014 Q1     6
 8     B       2012 Q1    10
 9     B       2012 Q2     5
10     B       2012 Q3     7
# ... with 30 more rows

问题

在缺少季度的每个组中创建行。在现有代码的上下文中，季度总数从序列min(qrtr)到max(qrtr)得出：
```
seq(from = as.Date("01/01/2012", "%d/%m/%Y"),
    to = as.Date("31/5/2014", "%d/%m/%Y"),
    by = "quarter")
```
应该为缺失值继续使用第一个非缺失值。

期望的结果：

>> dta
# A tibble: 50 x 3
   group          qrtr value
   <chr> <S3: yearqtr> <int>
 1     A       2012 Q1     3
 2     A       2012 Q2     8
 3     A       2012 Q3     8
 4     A       2012 Q4     9
 5     A       2013 Q1    10
 6     A       2013 Q2    10
 7     A       2013 Q3     6
 8     A       2013 Q4     9
 9     A       2014 Q1     6
10     A       2015 Q1     6
# ... with 40 more rows

提议的方法

一种方法依赖于使用expand，以便将隐式缺失值转换为显式缺失值。到目前为止，这会产生缺失的区域，但没有明确的方法可以为value列创建缺少的观察值，以确定缺少给定的区域。

dta %>%
    # Append mixing quarters
    expand(group, qrtr) %>% 
    left_join(data.frame(qrtr = as.yearqtr(
        seq(
            from = as.Date("01/01/2012", "%d/%m/%Y"),
            to = as.Date("31/5/2014", "%d/%m/%Y"),
            by = "quarter"
        )
    )), by = "qrtr") %>%
    # TODO
    # mutate(value = na.locf(value)) %>% 
    arrange(group, qrtr) -> dta_fixed

Answer 1

您似乎对padr

感兴趣

library(padr)
library(zoo)

#convert to POSIXct as pad() expect it to be like this
dta$qrtr <- as.POSIXct(dta$qrtr,format="%Y %q")
dta %>% 
  pad(group="group") %>% 
  arrange(group, qrtr) %>%
  mutate(qrtr = as.yearqtr(qrtr)) %>%
  na.locf()

输出是：

# A tibble: 49 x 3
   group    qrtr value
   <chr>   <chr> <chr>
 1     A 2012 Q1     3
 2     A 2012 Q2     8
 3     A 2012 Q3     8
 4     A 2012 Q4     9
 5     A 2013 Q1    10
 6     A 2013 Q2    10
 7     A 2013 Q3     6
 8     A 2013 Q4     9
 9     A 2014 Q1     6
10     B 2012 Q1    10
# ... with 39 more rows

Answer 2

使用read.zoo创建多变量时间序列z，每组一列;将其与零宽度系列的季度合并，运行na.locf，然后将其转换回长格式。

我们可以省略：

如果每个组中没有四分之一缺失，则merge行 - 在问题的示例数据中就是这种情况。即对于问题中的数据，我们可以省略merge（尽管我们将其留在其中不会导致问题）

fortify.zoo

最后一行（z的那一行），这实际上可能更方便，例如library(ggplot); autoplot(z, facet = NULL) + scale_x_yearqtr()或没有facet参数的{0}将使用ggplot2图形使用1或5个面板绘制它。

这不会使用问题尚未使用的任何软件包，而是直接使用原始"yearqtr"类中的索引而不进行转换。

library(zoo)

z <- read.zoo(dat, index = "qrtr", split = "group")
z <- merge(z, zoo(, seq(start(z), end(z), 1/4))
z <- na.locf(z)
fortify.zoo(z, melt = TRUE)

这可以表示为以下管道：

library(dplyr) # or library(magrittr)
library(zoo)

dta %>%
    read.zoo(index = "qrtr", split = "group") %>%
    merge(zoo(, start(z), end(z), 1/4)) %>%
    na.locf %>%
    fortify.zoo(melt = TRUE)

更新添加了管道并进行了一些措辞改进和说明。

每季度更换丢失的季度和缺失的数据

背景

示例数据

预览

问题

期望的结果：

提议的方法

2 个答案: