如何基于数据集最值生成全组合预测数据集（R语言）

需求说明 #

基于包含A、B两个站点的现有数据集，生成用于模型预测的新数据集，需包含每个站点对应的完整年份范围（从该站点年份最小值到最大值，含所有中间年份）、完整质量范围（从该站点质量最小值到最大值，以0.1为步长）的所有唯一组合。

示例数据集 #

# 示例数据集
df <- data.frame(site = c(rep("A", 20),                      # 站点A共20条观测
                          rep("B", 30)),                     # 站点B共30条观测
                 year = c(sample(1:5, 20, replace = TRUE),           # 站点A年份范围1-5
                          sample(c(1:4, 6:7), 30, replace = TRUE)),  # 站点B年份需覆盖1-7（含缺失的5）
                 mass = c(sample(seq(2, 5, 0.1), 20, replace = TRUE),    # 站点A质量范围2-5
                          sample(seq(1, 6, 0.1), 30, replace = TRUE)))   # 站点B质量范围1-6

尝试过的方法及问题 #

• 使用complete函数时，报错找不到mass对象：

  df %>% complete(year, nesting(site), 
                  fill = list(seq(min(mass), max(mass), 0.1)))
  # 错误信息：Error in seq(min(mass), max(mass), 0.1) : object 'mass' not found
  

  问题：fill参数用于填充缺失值而非生成序列，且无法在complete的上下文中识别分组后的mass范围。

• 使用reframe函数时，无法覆盖完整质量范围：

  df %>% reframe(year = min(year):max(year), .by = c(site, mass))
  

  问题：按site和mass分组后，仅能生成现有mass值对应的年份序列，无法生成完整的质量范围序列。

正确解决方案 #

通过分组计算每个站点的年份/质量完整序列，再展开所有组合即可实现需求：

library(tidyverse)

# 按站点分组，提取每个站点的完整年份序列和质量序列
site_meta <- df %>%
  group_by(site) %>%
  summarise(
    # 生成站点的完整年份序列（含所有中间年份）
    year = list(min(year):max(year)),
    # 生成站点的完整质量序列（步长0.1）
    mass = list(seq(min(mass), max(mass), by = 0.1))
  )

# 展开所有站点-年份-质量的组合
full_pred_dataset <- site_meta %>%
  unnest(year) %>%
  unnest(mass)

代码说明 #

1. 第一步通过group_by(site)分组，分别计算每个站点的年份范围（min(year):max(year)）和质量范围（seq(min(mass), max(mass), by=0.1)），并将序列存储为列表列。
2. 第二步用unnest依次展开年份和质量的列表列，得到所有唯一组合。

内容的提问来源于stack exchange，提问作者tnt