r - 从 1 个数据帧中的多个时间序列的开头和结尾有效地删除缺失值

Question

使用 R，我试图从包含多个时间序列的数据帧的开头和结尾修剪 NA 值。我已经使用 for 循环和 zoo 包实现了我的目标，但正如预期的那样，它在大型数据帧上效率极低。

我的数据框看起来像这样，包含 3 列，每个时间序列由它的唯一 ID 标识。在这种情况下，AAA、B 和 CCC。

id   date          value
AAA  2010/01/01    NA
AAA  2010/02/01    34
AAA  2010/03/01    35
AAA  2010/04/01    30
AAA  2010/05/01    NA
AAA  2010/06/01    28
B    2010/01/01    NA
B    2010/02/01    0
B    2010/03/01    1
B    2010/04/01    2
B    2010/05/01    3
B    2010/06/01    NA
B    2010/07/01    NA
B    2010/07/01    NA
CCC  2010/01/01    0
CCC  2010/02/01    400
CCC  2010/03/01    300
CCC  2010/04/01    200
CCC  2010/05/01    NA

我想知道，如何有效地从每个时间序列的开头和结尾删除 NA 值，在这种情况下是 AAA、B 和 CCC。所以它应该是这样的。

id   date          value
AAA  2010/02/01    34
AAA  2010/03/01    35
AAA  2010/04/01    30
AAA  2010/05/01    NA
AAA  2010/06/01    28
B    2010/02/01    0
B    2010/03/01    1
B    2010/04/01    2
B    2010/05/01    3
CCC  2010/01/01    0
CCC  2010/02/01    400
CCC  2010/03/01    300
CCC  2010/04/01    200

Answer 1

我会这样做，这应该非常快:

require(data.table)
DT = as.data.table(your data)   # please provide something pastable

DT2 = DT[!is.na(value)]
setkey(DT,id,date)
setkey(DT2,id,date)
tokeep = DT2[DT,!is.na(value),rolltolast=TRUE,mult="last"]
DT = DT[tokeep]

这是通过在每个组中向前滚动流行的非 NA，但不超过最后一个来实现的。
mult="last"是可选的。如果使用 v1.8.0(在 CRAN 上)，它应该会加快速度。对有和没有它的时间感兴趣。默认 data.table加入组( mult="all" )，但在这种情况下，我们加入了键的所有列，并且我们知道键是唯一的；即， key 中没有重复。在 v1.8.1(在开发中)中，不需要了解这一点，它会更多地照顾您。