Question

样本数据

set.seed(123)
df <- data.frame(year = c(rep(1980:1994, each = 9), rep(1995, times = 8), rep(1996:2012, each = 9), 
                          rep(2013, times = 7), rep(2014, times = 9)),
                 ref.doy = sample(120:180, 312, replace = T),
                 x = rnorm(312))

每年，如果没有。 ref.doy的值不是9，那么我想插入其他新行，它们只是最后一行的副本。

例如如果1995年只有8 ref.doy，我想复制第8行使其成为第9行。如果2013年只有8个ref.doy，那么我想复制第7行并将其复制为第8行和第9行，依此类推。

我目前的解决方案是for循环：

x <- df %>% group_by(year) %>% dplyr::mutate(y.length = n())
year.vec <- 1980:2014
temp.list <- list()

for(y in seq_along(year.vec)){

  yr <- year.vec[y]
  temp <- x %>% dplyr::filter(year == yr)  

  if(unique(temp$y.length) != 9) {

    lastrow <- temp[nrow(temp), ]
    lastrow.repeat <- as.data.frame(lapply(lastrow, rep, 9 - nrow(temp))) 
    full.data  <- rbind(data.frame(temp), lastrow.repeat)         
    temp.list[[y]] <- full.data

    } else {
    temp.list[[y]] <- temp
  }
}

newdata <- rbindlist(temp.list)

我需要一些帮助才能在dplyr或data.table本身内进行操作。

Answer 1

以最近两年的数据为例，其中在2013年和2014年分别有5和9个条目。我们filter少于9行的组，对于那些组，我们将最后一行重复9 - n()次，并使用bind_rows将这些行添加到原始数据帧中。

df1 <- tail(df, 14)

library(dplyr)

df1 %>% 
    bind_rows(df1 %>%
               group_by(year) %>%
               #suggested by @Henrik
               filter(n() < 9) %>%
               slice(rep(n(), 9 - n()))) %>%
     arrange(year)


#   year ref.doy          x
#1  2013     126  0.9171749
#2  2013     168 -2.6609228
#3  2013     167  1.1102771
#4  2013     120 -0.4849876
#5  2013     167  0.2306168
#6  2013     167  0.2306168
#7  2013     167  0.2306168
#8  2013     167  0.2306168
#9  2013     167  0.2306168
#10 2014     164 -0.2951578
#11 2014     158  0.8719650
#12 2014     149 -0.3484724
#13 2014     129  0.5185038
#14 2014     120 -0.3906850
#15 2014     147 -1.0927872
#16 2014     150  1.2100105
#17 2014     143  0.7409000
#18 2014     148  1.7242622

将其应用于原始数据帧，然后检查每个year的行数。

df2 <- df %>% 
          bind_rows(df %>%
                      group_by(year) %>%
                      filter(n() < 9) %>%
                      slice(rep(n(), 9 - n()))) %>%
          arrange(year)


df2 %>%
   group_by(year) %>%
   summarise(no_of_rows = n())
# A tibble: 35 x 2
# year no_of_rows
#   <dbl>      <int>
# 1  1980          9
# 2  1981          9
# 3  1982          9
# 4  1983          9
# 5  1984          9
# 6  1985          9
# 7  1986          9
# 8  1987          9
# 9  1988          9
#10  1989          9
# ... with 25 more rows

或者就像@Henrik提到的那样，最简单的方法是获取每个组的最后一行，并重复9 - n()次。

df %>% 
   group_by(year) %>% 
   slice(c(1:n(), rep(n(), 9 - n())))

Answer 2

使用data.table：

library(data.table)
setDT(df)

df[, ri := rowid(year)]

df2 <- df[CJ(year = year, ri = 1:9, unique = TRUE), on = .(year, ri)
          ][, (2:3) := lapply(.SD, zoo::na.locf), .SDcols = 2:3
            ][, ri := NULL][]

给出所需的结果：

> df2[year %in% c(1995,2013)]
    year ref.doy           x
 1: 1995     160  1.05418102
 2: 1995     170  1.14526311
 3: 1995     167 -0.57746800
 4: 1995     179  2.00248273
 5: 1995     146  0.06670087
 6: 1995     139  1.86685184
 7: 1995     144 -1.35090269
 8: 1995     120  0.02098359
 9: 1995     120  0.02098359
10: 2013     179  0.43528895
11: 2013     126  0.71517841
12: 2013     126  0.91717492
13: 2013     168 -2.66092280
14: 2013     167  1.11027710
15: 2013     120 -0.48498760
16: 2013     167  0.23061683
17: 2013     167  0.23061683
18: 2013     167  0.23061683

这是什么：

df[, ri := rowid(year)]通过year添加行号
然后与参考表（CJ(year = year, ri = 1:9, unique = TRUE)）联接，该参考表每年有9行。现在，结果将包含没有九行的年份中的空行。
用(2:3) := lapply(.SD, zoo::na.locf), .SDcols = 2:3填充空行
最后，删除ri列，因为不再需要ri := NULL

@Henrik在评论中发布的更好的选择：

df2 <- df[ , .SD[c(1:.N, rep(.N, 9 - .N))], by = year]

使用dplyr / data.table插入新行

2 个答案: