分组DataFrame全连接后填充缺失分组值，保留完整x序列

示例数据 #

ladder = data.frame(x = 1:10)

df <- data.frame(
  id = rep('a', 5),
  x = 6:10
)

> df
  id  x
1  a  6
2  a  7
3  a  8
4  a  9
5  a 10

需求：扩展df，使每个id分组都包含x的完整序列1到10。

尝试的代码及问题 #

> df |> group_by(id) |> full_join(ladder, by = 'x')
# A tibble: 10 × 2
# Groups:   id [2]
   id        x
   <chr> <int>
 1 a         6
 2 a         7
 3 a         8
 4 a         9
 5 a        10
 6 NA        1
 7 NA        2
 8 NA        3
 9 NA        4
10 NA        5

结果中缺失的id值为NA，希望替换为分组值a，得到如下期望输出：

df
   id  x
1   a  1
2   a  2
3   a  3
4   a  4
5   a  5
6   a  6
7   a  7
8   a  8
9   a  9
10  a 10

方法1：使用tidyr::complete（推荐） #

tidyr包的complete函数专门用于补全分组内的缺失序列，会自动保留分组变量的值：

library(tidyr)

df |> 
  group_by(id) |> 
  complete(x = 1:10)

输出结果：

# A tibble: 10 × 2
# Groups:   id [1]
   id        x
   <chr> <int>
 1 a         1
 2 a         2
 3 a         3
 4 a         4
 5 a         5
 6 a         6
 7 a         7
 8 a         8
 9 a         9
10 a        10

方法2：手动生成全组合再左连接 #

如果不想依赖tidyr，可以先创建id和x的所有可能组合，再与原数据左连接：

# 生成id唯一值与x序列的全组合
full_seq <- expand.grid(id = unique(df$id), x = 1:10)

# 因为原数据中仅x部分缺失，直接使用这个全组合即可，若原数据有其他字段再左连接
result <- full_seq

方法3：修正原连接逻辑 #

原full_join的问题是分组信息没有关联到新增的x值，先提取唯一分组再交叉连接ladder：

df |> 
  distinct(id) |> 
  cross_join(ladder) |> 
  left_join(df, by = c("id", "x")) |> 
  select(id, x)

内容的提问来源于stack exchange，提问作者Doug Fir