基于tidyverse对按日期分组的大型R数据框执行线性插值

我需要在R的数据框中，按date_index分组对数值做线性插值，基于f_date补全每日的数据。每个date_index组内的f_date数量不固定，得每个组单独插值后再合并成完整数据框。我写了代码但分组插值逻辑没生效，示例数据和代码如下：

原始代码（未生效） #

library(tidyverse)
library(lubridate)

df <- data.frame("date_index"=c("20230104", "20230104", "20230104", "20230106",  "20230106", "20230106"),
"f_date"=c("20230201", "20230203", "20230210", "20230201", "20230203", "20230210"),
                 "value" = c(1.50, 2.00, 3.25, 4.00, 3.00, 2.50))  %>% 
  mutate(date_index=ymd(date_index), f_date=ymd(f_date))

df %>% 
  group_by(date_index) %>% 
  arrange(f_date)

date_first <- first(df$f_date)
date_last <- last(df$f_date)

ApproxFun <- approxfun(x = df$f_date, y = df$value)

date_seq <- seq.Date(ymd(date_first), ymd(date_last), by = 1)

LinearFit <- ApproxFun(date_seq)

# the interpolated dataframe
dfi <- data.frame(f_date = date_seq,  value = LinearFit)

期望输出 #

date_index  f_date  value
2023-01-04  2023-02-01  1.50
2023-01-04  2023-02-02  1.75
2023-01-04  2023-02-03  2.00
2023-01-04  2023-02-04  2.18
2023-01-04  2023-02-05  2.36
2023-01-04  2023-02-06  2.54
2023-01-04  2023-02-07  2.71
2023-01-04  2023-02-08  2.89
2023-01-04  2023-02-09  3.07
2023-01-04  2023-02-10  3.25
2023-01-06  2023-02-01  4.00
2023-01-06  2023-02-02  3.50
2023-01-06  2023-02-03  3.00
2023-01-06  2023-02-04  2.93
2023-01-06  2023-02-05  2.86
2023-01-06  2023-02-06  2.79
2023-01-06  2023-02-07  2.71
2023-01-06  2023-02-08  2.64
2023-01-06  2023-02-09  2.57
2023-01-06  2023-02-10  2.50

正确解决方案代码 #

library(tidyverse)
library(lubridate)

# 加载并预处理原始数据
df <- data.frame(
  date_index = c("20230104", "20230104", "20230104", "20230106", "20230106", "20230106"),
  f_date = c("20230201", "20230203", "20230210", "20230201", "20230203", "20230210"),
  value = c(1.50, 2.00, 3.25, 4.00, 3.00, 2.50)
) %>% 
  mutate(date_index = ymd(date_index), f_date = ymd(f_date))

# 分组执行插值并合并结果
df_interpolated <- df %>%
  group_by(date_index) %>%
  # 生成当前组内完整的每日日期序列
  complete(f_date = seq.Date(min(f_date), max(f_date), by = "day")) %>%
  # 对当前组的value做线性插值
  mutate(value = approx(x = f_date, y = value, xout = f_date)$y) %>%
  ungroup()

# 输出结果
print(df_interpolated)

问题说明 #

原始代码的核心问题是分组后未在组内执行插值逻辑：你只是做了分组和排序，但后续的first()、last()、approxfun()都是基于整个数据集计算的，完全没有用到分组后的子集，导致分组失效。

正确的做法是利用group_by()结合complete()生成每个组内的完整日期序列，再用approx()在组内完成线性插值，最后ungroup()合并所有组的结果，得到符合预期的数据集。

内容的提问来源于stack exchange，提问作者Calvin