r - 在因子组合中添加缺失的行

Question

我有一个可能最好近似为的数据框:

library(data.table)
z <- rep("z",5)
y <- c(rep("st",2),rep("co",2),"fu")
var1 <- c(rep("a",2),rep("b",2),"c")
var2 <- c("y","y","y","z","x")
transp <- c("bus","plane","train","bus","bus")
sample1 <- sample(1:10, 5)
sample2 <- sample(1:10, 5)
df <- cbind(z,y,var1,var2,transp,sample1,sample2)
df<-as.data.table(df)
> df
   z  y var1 var2 transp sample1 sample2
1: z st    a    y    bus       4       3
2: z st    a    y  plane      10       7
3: z co    b    y  train       8       9
4: z co    b    z    bus       1       5
5: z fu    c    x    bus       6       4

表中已存在 var1 和 var2 的所有唯一组合。我想扩展表格，以便 var1/var2 的所有组合都包含列表中的所有 transp 选项:

transtype <- c("bus","train")

注意“plane”是 df 中的一个选项，但不是 transtype。我想保留包含 transp="plane"但不通过添加带有“plane”的行来扩展的行。 z 和 y 列需要填写适当的值，并且 sample1 和 sample2 应该是 NA。结果应该是:

    > result
   z  y var1 var2 transp sample1 sample2
1: z st    a    y    bus       4       3
2: z st    a    y  plane      10       7
3: z st    a    y  train      NA      NA
4: z co    b    y  train       8       9
5: z co    b    y    bus      NA      NA
6: z co    b    z    bus       1       5
7: z co    b    z  train      NA      NA
8: z fu    c    x    bus       6       4
9: z fu    c    x  train      NA      NA

我根据 Fastest way to add rows for missing values in a data.frame? 提出的 data.table 选项和 Data.table: Add rows for missing combinations of 2 factors without losing associated descriptive factors最终扩展 var1 和 var2 的所有唯一组合，而不仅仅是表中已经存在的组合。而且我不知道如何保持 z 和 y 的值。像这样:

setkey(df, var1, var2, transp)
x<-df[CJ(var1, var2, transp, unique=T)]

也许我应该使用 dplyr？或者，也许我错过了一些简单的东西？我浏览了 data.table 文档，但找不到解决方案。

Answer 1

要仅获取 df 中已经存在的唯一组合，最好使用 by 创建一个新的引用 data.table，然后将其与原来的。

使用:

df2 <- df[, .(transp = transtype), by = .(var1,var2)]
merge(df, df2, by = c('var1','var2','transp'), all = TRUE)

给予:

   var1 var2 transp  z  y sample1 sample2
1:    a    y    bus  z st       4       3
2:    a    y  plane  z st      10       7
3:    a    y  train NA NA      NA      NA
4:    b    y    bus NA NA      NA      NA
5:    b    y  train  z co       8       9
6:    b    z    bus  z co       1       5
7:    b    z  train NA NA      NA      NA
8:    c    x    bus  z fu       6       4
9:    c    x  train NA NA      NA      NA

如果您的 z 和 y 列没有 NA-值，您可以这样做:

df2 <- df[, .(transp = transtype), by = .(var1,var2,z,y)]
merge(df, df2, by = c('var1','var2','transp','z','y'), all = TRUE)

给出:

   var1 var2 transp z  y sample1 sample2
1:    a    y    bus z st       4       3
2:    a    y  plane z st      10       7
3:    a    y  train z st      NA      NA
4:    b    y    bus z co      NA      NA
5:    b    y  train z co       8       9
6:    b    z    bus z co       1       5
7:    b    z  train z co      NA      NA
8:    c    x    bus z fu       6       4
9:    c    x  train z fu      NA      NA

注意:如果 z 和 y 列对于每个 var1/var2 有多个唯一值组合，最好使用 zoo 包中的 na.locf 来填充 z 中的 NA-values > 和 y 列。

---

使用过的数据:

df <- fread("z  y var1 var2 transp sample1 sample2
 z st    a    y    bus       4       3
 z st    a    y  plane      10       7
 z co    b    y  train       8       9
 z co    b    z    bus       1       5
 z fu    c    x    bus       6       4")