使用dplyr处理HR人事数据：筛选行与补全非连续时间

以下基于R语言的tidyverse生态给出实操方案，假设你的数据集名为hr_data，且日期字段已转换为Date类型。

问题1：按positionID分组，保留第一个非NA exitCode及之后的所有行 #

先确保数据按岗位和变动时间排序，再标记并筛选目标行：

library(tidyverse)
library(lubridate)

# 处理问题1：保留每组第一个非NA exitCode及后续行
hr_data_cleaned <- hr_data %>%
  arrange(positionID, moveStartDate) %>%
  group_by(positionID) %>%
  mutate(
    # 标记从第一个非NA exitCode开始的所有行
    keep_flag = cumsum(!is.na(exitCode)) >= 1,
    # 若组内全为NA exitCode，默认保留所有行（可根据需求修改为FALSE）
    keep_flag = ifelse(all(is.na(exitCode)), TRUE, keep_flag)
  ) %>%
  filter(keep_flag) %>%
  select(-keep_flag) %>%
  ungroup()

关键逻辑说明 #

• 先按positionID和moveStartDate排序，保证变动顺序正确
• 用cumsum生成标记：从第一个非NA的exitCode开始，后续所有行都会被标记为TRUE
• 针对全组无有效exitCode的情况，可自行调整是否保留

问题2：补同一positionID下的非连续时间段 #

基于问题1的结果，补全岗位变动间隙的空缺时间段：

# 处理问题2：补全岗位变动的时间间隙
hr_data_final <- hr_data_cleaned %>%
  arrange(positionID, moveStartDate) %>%
  group_by(positionID) %>%
  mutate(
    # 获取下一行的变动开始日期
    next_start = lead(moveStartDate),
    # 计算当前行结束到下一行开始的间隔天数
    gap_days = as.integer(next_start - moveEndDate)
  ) %>%
  # 筛选出需要补全的间隔（间隔>1天才算非连续）
  filter(gap_days > 1) %>%
  rowwise() %>%
  mutate(
    # 生成间隙内的所有日期
    fill_dates = list(seq(moveEndDate + days(1), next_start - days(1), by = "day")),
    # 补全行的业务字段（可根据实际需求调整）
    moveType = "岗位空缺",
    personID = NA,
    exitCode = NA
  ) %>%
  unnest(fill_dates) %>%
  # 对齐原数据的列结构
  rename(moveStartDate = fill_dates, moveEndDate = fill_dates) %>%
  select(names(hr_data_cleaned)) %>%
  ungroup() %>%
  # 合并原数据与补全行，重新排序
  bind_rows(hr_data_cleaned) %>%
  arrange(positionID, moveStartDate)

关键逻辑说明 #

• 先计算每行与下一行的时间间隙，仅处理间隔超过1天的情况（连续日期无需补全）
• 补全行的moveType设为"岗位空缺"，personID和exitCode设为NA，可根据业务规则修改字段值
• 最后合并原数据与补全行，保证整体时间序列连续

内容的提问来源于stack exchange，提问作者John