如何按分组起止日期补全DataFrame中的缺失日期区间？

现有如下DataFrame df：

> df
  group      date1      date2 value
1     A 2023-01-04 2023-01-06     1
2     A 2023-01-06 2023-01-07     2
3     A 2023-01-08 2023-01-09     3
4     B 2023-01-05 2023-01-06     3
5     B 2023-01-06 2023-01-08     2
6     B 2023-01-08 2023-01-10     1

需要补全2023-01-01至2023-01-10之间的缺失日期区间，按group分组处理。以分组A为例，缺失的区间包括：2023-01-01至2023-01-04、2023-01-07至2023-01-08、2023-01-09至2023-01-10，这些缺失区间的value填充为NA，最终期望输出如下：

group      date1      date2 value
1      A 2023-01-01 2023-01-04    NA
2      A 2023-01-04 2023-01-06     1
3      A 2023-01-06 2023-01-07     2
4      A 2023-01-07 2023-01-08    NA
5      A 2023-01-08 2023-01-09     3
6      A 2023-01-09 2023-01-10    NA
7      B 2023-01-01 2023-01-05    NA
8      B 2023-01-05 2023-01-06     3
9      B 2023-01-06 2023-01-08     2
10     B 2023-01-08 2023-01-10     1

数据定义：

df <- data.frame(
  group = rep(c("A", "B"), each = 3L),
  date1 = c(
    "2023-01-04", "2023-01-06", "2023-01-08", "2023-01-05", "2023-01-06",
    "2023-01-08"
  ),
  date2 = c(
    "2023-01-06", "2023-01-07", "2023-01-09", "2023-01-06", "2023-01-08",
    "2023-01-10"
  ),
  value = c(1, 2, 3, 3, 2, 1)
)

可以通过dplyr分组处理，结合tidyr和lubridate工具生成完整日期序列并构建区间，步骤如下：

library(dplyr)
library(tidyr)
library(lubridate)

# 1. 将字符串日期转换为日期类型
df <- df %>%
  mutate(across(c(date1, date2), ymd))

# 2. 按分组生成完整日期区间并匹配原始数据
result <- df %>%
  group_by(group) %>%
  # 收集所有关键日期：全局起止日期 + 原始数据的date1/date2
  summarise(dates = c(ymd("2023-01-01"), date1, date2, ymd("2023-01-10")), .groups = "drop") %>%
  # 按分组和日期排序，去除重复日期
  group_by(group) %>%
  arrange(dates) %>%
  distinct(dates) %>%
  # 将连续日期两两组合成区间：当前日期为date1，下一个日期为date2
  mutate(date1 = dates, date2 = lead(dates)) %>%
  # 移除最后一行（无对应date2的无效行）
  filter(!is.na(date2)) %>%
  # 左连接原始数据，自动填充缺失区间的value为NA
  left_join(df, by = c("group", "date1", "date2")) %>%
  arrange(group, date1)

# 查看最终结果
print(result)

核心逻辑 #

• 先统一日期格式，避免字符串处理的误差
• 收集所有需要覆盖的日期节点，确保不遗漏全局起止点和原始数据的区间端点
• 将连续节点转换为完整区间，再通过左连接匹配原始数据的有效value，缺失区间自动填充NA

内容的提问来源于stack exchange，提问作者Quinten