Question

我已经将一些原始数据导入到R中，如下所示：

表1：

ID    Year    Value
01    1999       25
01    2000       12
01    2002       14
02    1998       16
02    2003        0
02    2004       14

该表按ID和Year排序，但是如您所见，缺少某些年份。我从数据来源知道，这些缺失年份的价值应该为零。我有另一个变量，我将其称为MODEL_YEAR，并将其设置为2015年。我想填补空白，直到并包括MODEL_YEAR。

我认为我应该采取的步骤是：

在表1中为每个ID选择最早的年份。
建立一个新表（表2），从每个ID的最早年份到MODEL_YEAR都具有连续的年份。
将Table1插入Table2以重新添加值，并将所有NA值替换为零。

我认为我可以执行第1步和第3步，但是还无法弄清楚如何执行第2步（构建Table2）。

如果您认为我的方法不是最佳方法，将对您有所帮助，或者提供其他替代方法的建议。

谢谢

Answer 1

由于已经使用tidyr::expand()，因此tidyr::complete的解决方案略有不同：

library(tidyverse)

dat %>%
  bind_rows(
    mutate(dat, Year = 2015, Value = 0) %>% unique()
  ) %>%
  group_by(ID) %>%                           # allows to start from earliest year
  complete(Year = full_seq(Year, 1), ID) %>% # expand years up 2 2015 for each ID
  mutate(Value = coalesce(Value, 0)) %>%     # fill NAs by zeros
  ungroup()

哪个输出：

# A tibble: 35 x 3
    Year ID    Value
   <dbl> <chr> <dbl>
 1  1999 01       25
 2  2000 01       12
 3  2001 01        0
 4  2002 01       14
 5  2003 01        0
 6  2004 01        0
 7  2005 01        0
 8  2006 01        0
 9  2007 01        0
10  2008 01        0
# ... with 25 more rows

我使用的数据：

dat <- read.table(
  text = "ID    Year    Value
          01    1999       25
          01    2000       12
          01    2002       14
          02    1998       16
          02    2003        0
          02    2004       14",
  header = T,
  colClasses = c("character", "integer", "integer")
)

Answer 2

1）基数R 使用by将table1除以ID，对于每个分量rbind，将其拆分为具有相同元素的数据帧ID，每个期望的Year和Value都为0。然后使用sum对其进行汇总，最后使用rbind将组件重新组合在一起。

do.call("rbind", by(table1, table1$ID, function(x) {
  r <- rbind(x, data.frame(ID = x$ID[1], Year = x$Year[1]:MODEL_YEAR, Value = 0))
  aggregate(Value ~ ID + Year, r, sum)
}))

给予：

     ID Year Value
1.1   1 1999    25
1.2   1 2000    12
1.3   1 2001     0
1.4   1 2002    14
1.5   1 2003     0
1.6   1 2004     0
1.7   1 2005     0
...etc...

2）dplyr ：使用相同的方法，但被翻译为使用dplyr。

library(dplyr)

table1 %>%
 group_by(ID) %>%
 do(bind_rows(., data.frame(ID = .$ID[1], Year = .$Year[1]:MODEL_YEAR, Value = 0))) %>%
 group_by(Year, add = TRUE) %>%
 summarize(Value = sum(Value)) %>%
 ungroup

注意

table1是可复制的形式：

table1 <-
structure(list(ID = c(1L, 1L, 1L, 2L, 2L, 2L), Year = c(1999L, 
2000L, 2002L, 1998L, 2003L, 2004L), Value = c(25L, 12L, 14L, 
16L, 0L, 14L)), class = "data.frame", row.names = c(NA, -6L))

MODEL_YEAR <- 2015

填写R数据框中的缺失行

2 个答案:

注意