如何在R中基于列值复制行并解决多站点过渡问题

需求说明 #

实现以下逻辑：当相邻行的depth列差值绝对值大于0.1时，自动复制行，让depth以0.1为步长线性增减；同时对应填充sample和cover列，且需兼容多站点数据集，避免站点间数据互相干扰。

初始单站点数据集 #

# 生成数据集
df <- data.frame(
  site = c(5,5,5,5,5,5,5), 
  sample = c(1,2,3,4,5,6,7), 
  depth = c(0.4,0.5,1.1,1.5,1.7,1.4,2.2), 
  cover = c(80,90,70,80,60,50,80)
)

数据集预览：

site sample depth cover
1     5      1   0.4    80
2     5      2   0.5    90
3     5      3   1.1    70
4     5      4   1.5    80
5     5      5   1.7    60
6     5      6   1.4    50
7     5      7   2.2    60

期望扩展后的数据集 #

Site Sample Depth Cover
1     5    1.0   0.4    80
2     5    2.0   0.5    90
3     5    2.1   0.6    90
4     5    2.2   0.7    90
5     5    2.3   0.8    90
6     5    2.4   0.9    90
7     5    2.5   1.0    90
8     5    3.0   1.1    70
9     5    3.1   1.2    70
10    5    3.2   1.3    70
11    5    3.3   1.4    70
12    5    4.0   1.5    80
13    5    4.1   1.6    80
14    5    5.0   1.7    60
15    5    6.0   1.6    50
16    5    6.1   1.5    50
17    5    6.2   1.4    50
18    5    7.0   1.5    60
19    5    7.1   1.6    60
20    5    7.2   1.7    60
21    5    7.3   1.8    60
22    5    7.4   1.9    60
23    5    7.5   2.0    60
24    5    7.6   2.1    60
25    5    7.7   2.2    60

多站点场景问题补充 #

现有代码在单站点数据中有效，但应用到多站点数据集时，站点间过渡出现错误：depth和sample列会从上一站点的最后值继续插值，而非从新站点的起始值开始。

多站点样本数据集 #

df = structure(list(
  site = c("one", "one", "one", "one", "two", "two", "two", "two", "two", "two", "two", "two", "two"), 
  sample = c(1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L), 
  depth = c(0.3, 1.3, 1.6, 2.9, 0.5, 1.5, 2.7, 3.2, 3.8, 4.1, 4.4, 4.7, 5.2), 
  cover = c(0L, 35L, 60L, 10L, 5L, 2L, 0L, 20L, 0L, 10L, 0L, 5L, 0L)
), class = "data.frame", row.names = c(NA, -13L))

当前使用的代码 #

# 填充sample列的NA值
fill_sample_na <- function(sample, step = 0.1) {
  g <- na.locf0(sample)
  ave(g, g, FUN = function(x) seq(x[1], length = length(x), by = step))
}

newdf = df %>%
  mutate(nd = round(abs(depth - dplyr::lag(depth)) / 0.1 - 1), .by = site) %>%
  group_by(site, row = row_number()) %>%
  group_modify(~ if (!is.na(.x$nd) && .x$nd > 0) 
     add_row(.x, sample = rep(NA, .x$nd), .before = TRUE) else .x
  ) %>%
  ungroup %>%
  mutate(sample = fill_sample_na(sample), depth = na.approx(depth),
    cover = na.locf0(cover), .by = site) %>%
  select(-row, -nd) %>%
  data.frame

错误表现 #

站点间过渡时，depth和sample列从上一站点的最后值延续插值，而非从新站点的起始值重新开始。要求无需拆分站点数据即可解决。

修正方案 #

问题根源在于提前取消分组后，跨站点的行被错误地连续处理。修正核心是确保所有计算和填充操作都在站点分组内完成，避免跨站点数据干扰。

修正后的代码 #

library(dplyr)
library(zoo)

fill_sample_na <- function(sample, step = 0.1) {
  g <- na.locf0(sample)
  ave(g, g, FUN = function(x) seq(x[1], length = length(x), by = step))
}

newdf <- df %>%
  # 全程按site分组，确保站点间数据独立
  group_by(site) %>%
  # 仅在当前站点内计算需要插入的行数
  mutate(nd = round(abs(depth - lag(depth)) / 0.1 - 1)) %>%
  # 按站点内的行号分组，添加空行
  group_by(row = row_number(), .add = TRUE) %>%
  group_modify(~ {
    if (!is.na(.x$nd) && .x$nd > 0) {
      add_row(.x, sample = rep(NA, .x$nd), .before = TRUE)
    } else {
      .x
    }
  }) %>%
  # 保持站点分组，完成列填充
  mutate(
    sample = fill_sample_na(sample),
    # 设置na.rm=FALSE，避免跨站点插值
    depth = na.approx(depth, na.rm = FALSE),
    cover = na.locf0(cover)
  ) %>%
  # 移除辅助列并取消分组
  select(-row, -nd) %>%
  ungroup() %>%
  data.frame()

修正说明 #

1. 全程站点分组：所有操作都在group_by(site)的上下文内执行，确保每个站点的数据完全独立。
2. 站点内行号分组：使用.add = TRUE在站点分组基础上添加行号分组，保证插入空行的操作仅针对当前站点内的行。
3. na.approx参数设置：na.rm=FALSE避免跨站点的NA值被错误插值，确保每个站点的depth从自身起始值开始计算。

处理后，多站点之间的过渡会完全独立，不会出现从上一站点延续插值的问题。

内容的提问来源于stack exchange，提问作者Oscar Flynn