r - 填写 R 数据框中缺失的行

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 和年份排序，但如您所见，缺少一些年份。我从数据源知道这些缺失年份的值应该为零。我有另一个变量，我称之为 MODEL_YEAR，并设置为 2015。我想填补空白，直到并包括 MODEL_YEAR。

我认为我会采取的步骤是:

1. 为表 1 中的每个 ID 选择最早的年份。
2. 构建一个新表 (Table2)，其中包含从每个 ID 的最早年份到 MODEL_YEAR 的连续年份。
3. 将 Table1 连接到 Table2 以重新添加值，并将任何 NA 值替换为零。

我想我可以完成第 1 步和第 3 步，但还不知道如何执行第 2 步，即构建 Table2。

如果您认为我的方法不是最优的，我们将不胜感激或提供替代方法的建议。

谢谢

Answer 1

我认为 tidyr::expand() 会很有用。这是一个 tidyverse 解决方案:

library(tidyverse)
# how to build table2
table2 <- table1 %>% group_by(ID) %>% mutate(Earliest.Year = min(Year)) %>%
        select(-Value, -Year) %>% distinct() %>%
        expand(Year = Earliest.Year:2015, Earliest.Year) %>%
        select(-Earliest.Year)

# a direct piepe solution
table1 %>% group_by(ID) %>% mutate(Earliest.Year = min(Year)) %>%
        select(-Value, -Year) %>% distinct() %>%
        expand(Year = Earliest.Year:2015, Earliest.Year) %>%
        select(-Earliest.Year) %>%
        left_join(table1, by = c("ID", "Year")) %>%
        replace(is.na(.), 0)
# output
# A tibble: 35 x 3
# Groups:   ID [?]
      ID  Year Value
   <int> <int> <dbl>
 1     1  1999    25
 2     1  2000    12
 3     1  2001     0
 4     1  2002    14
 5     1  2003     0
 6     1  2004     0
 7     1  2005     0
 8     1  2006     0
 9     1  2007     0
10     1  2008     0
# ... with 25 more rows