如何自动检测各国年份数据完整性并定位缺失年份？

问题场景 #

现有含country、year字段的面板数据，合并外部向量时因部分国家缺失特定年份数据报错，需自动排查所有国家的年份完整性，明确指出缺失年份。

检测代码 #

先模拟数据缺失场景（删除Spain 1955年数据）：

# 模拟用户删除Spain 1955年数据的操作
data <- data[-18, ]

以下代码自动检测并输出缺失信息：

# 获取数据中覆盖的全部年份范围（若已知目标年份，可直接替换为指定向量，如target_years <- 1950:1955）
all_years <- min(data$year):max(data$year)

# 按国家分组，计算每个国家缺失的年份
missing_records <- lapply(split(data, data$country), function(country_data) {
  setdiff(all_years, country_data$year)
})

# 筛选出存在缺失的国家
has_missing <- Filter(function(x) length(x) > 0, missing_records)

# 输出错误提示
if (length(has_missing) > 0) {
  for (cntry in names(has_missing)) {
    missing_ys <- paste(has_missing[[cntry]], collapse = ", ")
    cat(sprintf("error – %s, year(s) - %s\n", cntry, missing_ys))
  }
} else {
  cat("所有国家的年份数据均完整\n")
}

代码说明 #

• 若已知固定的目标年份集合（如必须包含1950-1955），可直接将all_years替换为target_years <- 1950:1955，避免因全局年份范围被缺失数据影响。
• split()按国家分组处理数据，setdiff()快速找出每组缺失的年份。
• 最后通过循环输出精准的缺失提示，适合处理大型数据集。

内容的提问来源于stack exchange，提问作者Rustam