r - 如何在 R 中扩展大型数据框

Question

我有一个数据框

df <- data.frame(
  id = c(1, 1, 1, 2, 2, 3, 3, 3, 3, 4), 
  date = c("1985-06-19", "1985-06-19", "1985-06-19", "1985-08-01", 
           "1985-08-01", "1990-06-19", "1990-06-19", "1990-06-19", 
           "1990-06-19", "2000-05-12"), 
  spp = c("a", "b", "c", "c", "d", "b", "c", "d", "a", "b"),
  y = rpois(10, 5))

   id       date spp y
1   1 1985-06-19   a 6
2   1 1985-06-19   b 3
3   1 1985-06-19   c 7
4   2 1985-08-01   c 7
5   2 1985-08-01   d 6
6   3 1990-06-19   b 5
7   3 1990-06-19   c 4
8   3 1990-06-19   d 4
9   3 1990-06-19   a 6
10  4 2000-05-12   b 6

我想扩展它，以便存在 id 和 spp 的每个组合，并且对于当前不在数据框中的每个组合都有 y = 0。数据框目前大约有 100,000 行和 15 列。扩展后大约有 300,000 列(在我的实际数据集中，spp 有 17 个唯一值)。

对于 id 的每个值，date 都是相同的(例如，当 id = 2 时，日期总是 = 1985-08-01)。在我的真实数据集中，除了 spp 和 y 之外的所有列都可以由 id 指定。

我想以这样的方式结束:

   id       date spp y
   1 1985-06-19   a 6
   1 1985-06-19   b 3
   1 1985-06-19   c 7
   1 1985-06-19   d 0*
   2 1985-08-01   a 0*
   2 1985-08-01   b 0*
   2 1985-08-01   c 7
   2 1985-08-01   d 6
   3 1990-06-19   b 5
   3 1990-06-19   c 4
   3 1990-06-19   d 4
   3 1990-06-19   a 6
   4 2000-05-12   a 0*
   4 2000-05-12   b 6
   4 2000-05-12   c 0*
   4 2000-05-12   d 0*

• 指明添加的行

我将来可能不得不使用可能更大的数据帧来执行此操作，因此我们将不胜感激一种快速、高效(时间和内存)的方法来执行此操作，但任何解决方案都会让我满意。我认为应该有使用 dplyr、data.table 或 reshape 包的方法，但我对它们中的任何一个都不是很熟悉.我不确定仅扩展行 id、spp 和 y 是否最简单，然后执行 left_join() 或 merge() 重新组合日期(和我真实数据框中的所有其他变量)基于id？

Answer 1

expand.grid 是一个很有用的函数，

mergedData <- merge(
    expand.grid(id = unique(df$id), spp = unique(df$spp)),
    df, by = c("id", "spp"), all =T)

mergedData[is.na(mergedData$y), ]$y <- 0

mergedData$date <- rep(levels(df$date),
                       each = length(levels(df$spp)))

由于您实际上并未对数据子集执行任何操作，因此我认为 plyr 不会有帮助，也许使用 data.table 更有效。