在保留组的同时填充数字变量

时间:2018-05-09 20:27:26

标签: r dataframe dplyr tidyverse

[编辑以反映一个更好的例子]

说我有这样的数据框:

df <- data.frame(x = c("A","A","B", "B"), year = c(2001,2004,2002,2005))

> df
  x year
1 A 2001
2 A 2004
3 B 2002
4 B 2005

如何在保留year的同时将x增加1?我想填写year,以便顺序如下:

  x year
1 A 2001
2 A 2002
3 A 2003
4 A 2004
5 B 2002
6 B 2003
7 B 2004
8 B 2005

有人可以推荐这样做的好方法吗?

@useR推荐这种方法:

> data.frame(year = min(df$year):max(df$year)) %>%
   full_join(df) %>%
   fill(x) 
Joining, by = "year"
  year x
1 2001 A
2 2002 B
3 2003 B
4 2004 A
5 2005 B

然而,这与所需的输出不匹配。

4 个答案:

答案 0 :(得分:4)

使用基础R(在zoo的帮助下):

full_df = data.frame(year = min(df$year):max(df$year))
df = merge(df, full_df, all = TRUE)
df = df[order(df$year), ]
df$x = zoo::na.locf(df$x)
df
#   year x
# 1 2001 A
# 2 2002 A
# 3 2003 A
# 4 2004 B
# 5 2005 B
# 6 2006 B
# 7 2007 C

使用“tidyverse”

df <- data.frame(x = LETTERS[1:3], year = c(2001,2004,2007))
library(dplyr)
library(tidyr)
df = df %>% mutate(year = factor(year, levels = min(year):max(year))) %>%
    complete(year) %>%
    fill(x) %>%
    mutate(year = as.numeric(as.character(year)))
df
# # A tibble: 7 x 2
#    year      x
#   <dbl> <fctr>
# 1  2001      A
# 2  2002      A
# 3  2003      A
# 4  2004      B
# 5  2005      B
# 6  2006      B
# 7  2007      C

答案 1 :(得分:4)

使用echo $string = hex2bin("FFF7BBFF"); tidyr::complete的选项可以是:

dplyr::lead

已编辑:已修改数据的解决方案

library(tidyverse)

df <- data.frame(x = LETTERS[1:3], year = c(2001,2004,2007))  

df %>% mutate(nextYear = ifelse(is.na(lead(year)),year, lead(year)-1)) %>%
  group_by(x) %>%
  complete(year = seq(year, nextYear, by=1)) %>% 
  select(-nextYear) %>%
  as.data.frame()

#   x year
# 1 A 2001
# 2 A 2002
# 3 A 2003
# 4 B 2004
# 5 B 2005
# 6 B 2006
# 7 C 2007

答案 2 :(得分:2)

我们可以splitx,然后为每个year群组创建x向量,加入每个群组df,{{1} } fill,然后x所有群组rbind一起。

df

<强>结果:

library(dplyr)
library(tidyr)

df %>%
  split(.$x) %>%
  lapply(function(y) data.frame(year = min(y$year):max(y$year)) %>%
  full_join(y) %>%
  fill(x)) %>%
  unname() %>%
  do.call(rbind, .)

答案 3 :(得分:1)

这是一个非常简单的基础R方法tapplystack

stack(tapply(df$year, df["x"], function(x) min(x):max(x)))

在这里,tapply将年矢量分成df$x组,然后构建从最小年到最大年的序列。这将返回一个命名列表,该列表将被提供给stack以生成以下内容。

  values ind
1   2001   A
2   2002   A
3   2003   A
4   2004   A
5   2002   B
6   2003   B
7   2004   B
8   2005   B

如果您对如何在data.table中执行此操作感到好奇,那么它也非常直接:

library(data.table)
setDT(df)[, .(year=min(year):max(year)), by=x]

返回

   x year
1: A 2001
2: A 2002
3: A 2003
4: A 2004
5: B 2002
6: B 2003
7: B 2004
8: B 2005