如何使用R语言tidyr包的complete()函数实现列分组补全？

原始数据 #

library(tidyverse)
df <- tibble(alph = c("a", "b", "b"),
             nums = c("1", "2", "2"),
             vals = c("foo", "bar", "baz"),
             col = c("x", "y", "z"))

原始输出：

# A tibble: 3 × 4
  alph  nums  vals  col
  <chr> <chr> <chr> <chr>
1 a     1     foo   x
2 b     2     bar   y
3 b     2     baz   z

需求说明 #

• 基于alph和vals的现有配对，补全所有nums的可能取值组合
• 缺失的col值填充为NA，期望输出：

# A tibble: 6 × 4
  alph  nums  vals  col
  <chr> <chr> <chr> <chr>
1 a     1     foo   x
2 a     2     foo   NA   
3 b     1     bar   NA
4 b     1     baz   NA
5 b     2     bar   y    
6 b     2     baz   z

错误代码分析 #

你之前尝试的df %>% group_by(alph, nums) %>% complete(alph, nums, vals)无法实现需求，原因是分组后只会在每个(alph, nums)组内补全vals，这和你需要的逻辑不符——你要的是保留alph和vals的原有配对，再和所有nums值组合。

正确实现方法 #

使用complete()的nesting()参数来保留alph和vals的现有关联，同时指定nums取所有唯一值，代码如下：

df %>% 
  complete(nesting(alph, vals), nums = unique(nums))

代码解释 #

• nesting(alph, vals)：保留原始数据中alph和vals的有效配对（即(a,foo)、(b,bar)、(b,baz)），不会生成它们的所有交叉组合
• nums = unique(nums)：指定nums取数据中所有存在的唯一值（即"1"、"2"）
• 执行后，每个(alph, vals)配对都会和每个nums值组合，缺失的col自动填充为NA，完全符合期望输出

内容的提问来源于stack exchange，提问作者jophuh