Question

我正在努力解决以下问题。

如果有一个（大）数据框，则包含以下内容：

多列，其中列的组合是唯一的＆＃39;组合，比如说ID
与时间相关的专栏
与度量相关的列

我想确保对于每个时间间隔的每个唯一ID，数据框中都有一个度量值。如果不是，我想为该时间/ ID添加0（或NA）度量。

要说明问题，请创建以下test数据框：

test <- data.frame(
    YearWeek   =rep(c("2012-01","2012-02"),each=4),
    ProductID  =rep(c(1,2), times=4),
    CustomerID =rep(c("a","b"), each=2, times=2),
    Quantity   =5:12
)[1:7,]

  YearWeek ProductID CustomerID Quantity
1  2012-01         1          a        5
2  2012-01         2          a        6
3  2012-01         1          b        7
4  2012-01         2          b        8
5  2012-02         1          a        9
6  2012-02         2          a       10
7  2012-02         1          b       11

故意排除第8行。通过这种方式，我模拟了一个“缺失值”＆＃39; （缺少Quantity）ID＆＃39; 2-b＆＃39; （ProductID-CustomerID）了解时间价值＆＃34; 2012-02＆＃34;。

我想要做的是调整data.frame，以便对所有时间值（这些都是已知的，在这个例子中只是＆＃34; 2012-01＆＃34;＆＃34; 2012-02＆＃34;），对于所有ID组合（这些都是预先知道的，但这是数据框中的所有唯一ID组合＆＃39;，因此ID列上的唯一ID），数量可用在数据框中。

这应该是这个例子的结果（如果我们为缺失的值选择NA，通常我想控制它）：

  YearWeek ProductID CustomerID Quantity
1  2012-01         1          a        5
2  2012-01         2          a        6
3  2012-01         1          b        7
4  2012-01         2          b        8
5  2012-02         1          a        9
6  2012-02         2          a       10
7  2012-02         1          b       11
8  2012-02         2          b       NA

最终目标是为这些ID组合创建时间序列，因此我希望拥有所有时间值的数量。我需要进行不同的聚合（按时）并使用来自大数据集的不同级别的ID

我尝试了几件事，例如melt包中的cast和reshape。但到目前为止，我没有设法做到这一点。下一步是使用for循环等创建一个函数，但从性能角度来看这并不是很有用。

也许有一种更简单的方法可以立即创建时间序列，提供像test这样的数据框架。有没有人对这个有想法？

提前致谢！

请注意，在实际问题中，有两个以上的ID列＆＃39;。

编辑：

我应该进一步描述这个问题。 “时间”与“时间”之间存在差异。栏目和“ID＆＃39;列。关于 joran 这个问题的第一个（也是伟大的！）答案，也许并没有从我想要的东西中得到清楚的理解（我给出的例子并没有明确区别）。我上面说过：

所有ID组合（这些都是前期未知的，但这是全部数据框中的唯一ID组合＆＃39;，因此唯一的ID集合 ID列）

所以我不想要所有可能的ID组合＆＃39;但是＆＃39;数据中的所有ID组合＆＃39;。对于每个组合，我想要每个唯一时间值的值。

让我通过将test扩展为test2来明确说明，如下所示

> test2 <- rbind(test, c("2012-02", 3, "a", 13))
> test2
  YearWeek ProductID CustomerID Quantity
1  2012-01         1          a        5
2  2012-01         2          a        6
3  2012-01         1          b        7
4  2012-01         2          b        8
5  2012-02         1          a        9
6  2012-02         2          a       10
7  2012-02         1          b       11
8  2012-02         3          a       13

这意味着我想在结果数据框中没有＆＃39; 3-b＆＃39; ID组合，因为此组合不在test2范围内。如果我使用第一个答案的方法，我将得到以下内容：

> vals2 <- expand.grid(YearWeek = unique(test2$YearWeek),
                       ProductID = unique(test2$ProductID),
                       CustomerID = unique(test2$CustomerID))

> merge(vals2,test2,all = TRUE)
   YearWeek ProductID CustomerID Quantity
1   2012-01         1          a        5
2   2012-01         1          b        7
3   2012-01         2          a        6
4   2012-01         2          b        8
5   2012-01         3          a     <NA>
6   2012-01         3          b     <NA>
7   2012-02         1          a        9
8   2012-02         1          b       11
9   2012-02         2          a       10
10  2012-02         2          b     <NA>
11  2012-02         3          a       13
12  2012-02         3          b     <NA>

所以我不希望行6和12在这里。

为了克服这个问题，我在下面找到了一个解决方案。在这里，我拆分了独特的时间列＆＃39;和唯一的ID组合＆＃39;。因此，与上面的区别在于“组合”这个词。并非每个ID列都是唯一的。

> temp_merge <- merge(unique(test2["YearWeek"]),
                      unique(test2[c("ProductID", "CustomerID")]))

> merge(temp_merge,test2,all = TRUE)
   YearWeek ProductID CustomerID Quantity
1   2012-01         1          a        5
2   2012-01         1          b        7
3   2012-01         2          a        6
4   2012-01         2          b        8
5   2012-01         3          a     <NA>
6   2012-02         1          a        9
7   2012-02         1          b       11
8   2012-02         2          a       10
9   2012-02         2          b     <NA>
10  2012-02         3          a       13

对此有何评论？

这是一种优雅的方式，还是有更好的方法？

Answer 1

使用expand.grid和merge：

vals <- expand.grid(YearWeek = unique(test$YearWeek),
                    ProductID = unique(test$ProductID),
                    CustomerID = unique(test$CustomerID))
> merge(vals,test,all = TRUE)
  YearWeek ProductID CustomerID Quantity
1  2012-01         1          a        5
2  2012-01         1          b        7
3  2012-01         2          a        6
4  2012-01         2          b        8
5  2012-02         1          a        9
6  2012-02         1          b       11
7  2012-02         2          a       10
8  2012-02         2          b       NA

NA可以在事实之后使用子集和is.na替换您选择的任何值。

R：在时间相关数据帧中查找并添加缺失（/非现有）行

1 个答案: