使用complete()补全tibble后，如何填充缺失的文章名称字段？

我有一个长格式tibble数据集，包含不同日期下的商品销售数据，部分商品在某些日期无销售记录（缺失观测值）。为了绘制面积图（geom_area()会对缺失值取相邻均值，必须补全），我用complete()函数生成了所有日期与商品的组合，但补全后缺失记录对应的ArticleName（商品名称标签）为NA。商品ID与名称的映射关系存储在单独的tibble（articleData）中，希望用tidy的方式补全这个字段，要么在complete()时直接设置，要么事后填充。

模拟示例代码如下：

library(tidyverse)

articleData  = tibble(article = 1:3, description = c("Foo", "Bar", "Baz"), price = c(1, 2, 2))

article     <- c(1:3, 1, 3, 1:3)
description <- map_chr(article, ~ articleData[[., "description"]])
date        <- as.Date(c(rep("2023-01-01", times = 3), rep("2023-01-02", times = 2), rep("2023-01-03", times = 3)))
sales       <- c(21, 58, 35, 32, 47, 25, 47, 42)
price       <- map_int(article, ~ articleData[[., "price"]])

data <- tibble(
    Date        = date,
    Article     = as_factor(article),
    ArticleName = description,
    Sales       = sales,
    Price       = price,
    Turnover    = sales * price
)

data %>%
    group_by(Date) %>%
    summarize(
        Date          = unique(Date),
        TurnoverTotal = sum(Turnover),
        SalesTotal    = sum(Sales)
    ) %>%
    full_join(data) %>%
    mutate(
        TurnoverShare = Turnover / TurnoverTotal,
        SalesShare    = Sales / SalesTotal
    ) -> data

# 补全缺失的日期-商品组合，填充占比为0，但ArticleName为NA
data %>% complete(
    Date,
    Article,
    fill = list(
        SalesShare    = 0,
        TurnoverShare = 0
    )
) -> data2

解决方案1：补全后通过左连接映射表填充 #

这是最直接的tidy处理方式，补全数据后，通过left_join()关联映射表articleData，根据Article字段匹配填充ArticleName，同时还能同步补全Price这类商品属性：

data2 <- data %>%
    complete(Date, Article, fill = list(SalesShare = 0, TurnoverShare = 0)) %>%
    # 将因子型的Article转换为数值，与articleData的article字段匹配
    mutate(Article = as.integer(as.character(Article))) %>%
    # 左连接映射表，匹配商品名称和价格
    left_join(articleData, by = c("Article" = "article")) %>%
    # 用映射表的description覆盖原NA的ArticleName
    rename(ArticleName = description) %>%
    # 按需将Article转回因子类型（绘图时保持分类变量属性）
    mutate(Article = as_factor(Article))

解决方案2：先生成完整组合再关联数据 #

如果希望从源头避免ArticleName缺失，可以先基于所有日期和所有商品生成完整的组合框架，再关联原始销售数据和映射表，最后填充缺失的数值字段：

data2 <- expand_grid(
    # 获取所有唯一日期和商品ID
    Date = unique(data$Date),
    Article = unique(data$Article)
) %>%
    # 关联原始销售数据
    left_join(data, by = c("Date", "Article")) %>%
    # 关联商品映射表，直接获取名称和价格
    left_join(articleData, by = c("Article" = "article")) %>%
    # 填充缺失的占比字段为0
    mutate(
        SalesShare = replace_na(SalesShare, 0),
        TurnoverShare = replace_na(TurnoverShare, 0),
        # 用映射表的description赋值给ArticleName
        ArticleName = description
    ) %>%
    # 移除冗余的description字段
    select(-description)

两种方法都能确保补全后的每条记录都有对应的ArticleName，后续可直接用glue()生成信息丰富的绘图标签，且不影响geom_area()的正常绘制。

内容的提问来源于stack exchange，提问作者BestGirl