如何在R语言中补全data.frame变量的缺失组合？

先看你提供的示例数据：

dt <- data.frame(YEAR = c(2010:2015, 2010, 2012:2014), 
           REGION = c(rep("A", 6), rep("B", 4)),
           VALUE = rnorm(10))

其中REGION为B的组缺少2011年和2015年的记录，下面重点讲解你关注的tidyr::complete()高效方案，同时也提一下你提到的传统方法。

方法一：使用tidyr::complete()（简洁高效） #

complete()可以直接生成指定变量的所有可能组合，自动补全缺失行，默认将数值列设为NA，也能自定义填充值。

1. 补全组合，缺失值设为NA #

library(tidyr)

# 直接补全YEAR和REGION的所有组合
dt_full_na <- complete(dt, YEAR, REGION)

执行后会新增YEAR=2011, REGION=B和YEAR=2015, REGION=B两行，对应的VALUE默认填充为NA。

2. 补全组合，自定义默认值（比如0） #

通过fill参数指定要填充的列和对应默认值，参数接收一个列表：

# 将缺失的VALUE设为0
dt_full_0 <- complete(dt, YEAR, REGION, fill = list(VALUE = 0))

方法二：expand.grid + left_join（你提到的传统方法） #

如果需要手动生成组合表再合并，代码如下：

library(dplyr)

# 生成所有可能的YEAR和REGION组合
all_pairs <- expand.grid(YEAR = unique(dt$YEAR), REGION = unique(dt$REGION))
# 左连接原数据，缺失值默认NA
dt_joined <- left_join(all_pairs, dt, by = c("YEAR", "REGION"))

这种方法步骤更繁琐，不如complete()直接高效。

内容的提问来源于stack exchange，提问作者yeahman269