sql - Dplyr:在面板数据集上寻找与 NA 的连接

Question

我有两个表，如下所示:

Table "data"                                 Table "countries"
------------------------------               -----------------
ID Time Country Variable Value               ID Country
1  2013 Austria V1       150                 1  Austria
1  2014 Austria V1       170                 2  Germany
1  2015 Austria V1       200                 3  Spain
2  2013 Germany V1       280
2  2015 Germany V1       350

“数据”表是一个面板数据集，由多个国家、多个时间段和多个变量组成(即使我在示例中只包含一个变量)。 “国家/地区”表是所有国家/地区的完整表 - 这里是三个。

我需要做的是一个连接，用 NA 填充“数据”表中缺失的观测值，作为每年的值!连接后，“数据”表应如下所示:

Table "data"                                 
------------------------------               
ID Time Country Variable Value               
1  2013 Austria V1       150                 
1  2014 Austria V1       170                 
1  2015 Austria V1       200                 
2  2013 Germany V1       280
2  2014 Germany V1       NA
2  2015 Germany V1       350
3  2013 Spain   V1       NA
3  2014 Spain   V1       NA
3  2015 Spain   V1       NA

我认为右连接是正确的方向，它也有效，但它只包含 NA 一次。在上面的示例中，西类牙只会在“数据”表中包含一次。我做了一个简单的连接，如下所示:

joined <- right_join(data, countries, by = c("ID"))

面板数据集是否有类似“重复连接”的东西，或者我是否需要将数据集分割成时间段，分别连接它们并在之后附加它们？

谢谢!

Answer 1

您可以使用 tidyr 包中的 complete:

library(tidyr)
right_join(data, countries) %>%
  complete(Time, Variable, nesting(Country, ID)) 

   Time Variable Country    ID Value
  (int)    (chr)   (chr) (int) (int)
1  2013       V1 Austria     1   150
2  2013       V1 Germany     2   280
3  2013       V1   Spain     3    NA
4  2014       V1 Austria     1   170
5  2014       V1 Germany     2    NA
6  2014       V1   Spain     3    NA
7  2015       V1 Austria     1   200
8  2015       V1 Germany     2   350
9  2015       V1   Spain     3    NA