在R中使用complete()补全6个月间隔的缺失日期数据

问题场景 #

现有按6个月间隔存储的数据集，包含ID、半年起始日期、结果值，但部分ID存在半年期结果缺失。示例数据集如下：

id = c("aa", "aa", "ab", "ab", "ab")
date = as.Date(c("2021-07-01", "2022-07-01", "2021-07-01", "2022-01-01", "2022-07-01"))
col3 = c(1,2,1,2,1)

df <- data.frame(id, date, col3)

此前处理月度间隔数据时，曾用complete(date = seq.Date(start date, end date, by = "month"))补全缺失月份并将结果列缺失值设为0。目前采用的方法是先扩展到月度维度，再生成半年起始列并聚合求和：

library(tidyverse)
library(lubridate)

df_complete <- df %>% group_by(id) %>%
  complete(date = seq.Date(as.Date(min(date)), as.Date(max(date) %m+% months(5)), by="month")) %>% 
  mutate (col3 = replace_na(col3, 0))

df_complete_6mth <- df_complete %>% mutate(
  halfyear =  ifelse(as.integer(format(date, '%m')) <= 6, 
                                 paste0(format(date, '%Y'), '-01-01'),
                                 paste0(format(date, '%Y'), '-07-01'))) %>%
  group_by(id, halfyear) %>%
  summarise(col3_halfyear = sum(col3))

直接补全半年期的解决方案 #

你尝试的代码无法运行，问题出在seq.Date的by参数格式错误——正确写法应为"6 months"而非"months(6)"。以下是直接补全半年期数据的可行代码：

library(tidyverse)
library(lubridate)

df_complete_6mth_direct <- df %>%
  group_by(id) %>%
  # 生成每个ID对应的所有半年期日期序列
  complete(date = seq.Date(
    from = min(date),
    to = max(date),
    by = "6 months"
  )) %>%
  # 将缺失的结果值设为0
  mutate(col3 = replace_na(col3, 0)) %>%
  ungroup()

说明 #

• seq.Date的by参数接受类似"6 months"的字符串格式，指定间隔为6个月；
• 按ID分组后，基于每个ID的最小和最大日期生成完整的半年期序列，确保覆盖该ID所有应存在的半年期；
• 补全后用replace_na将缺失的col3值替换为0，无需先扩展到月度维度。

内容的提问来源于stack exchange，提问作者RV702