dplyr分组统计：为各城市补全年份缺失值的实现方案

我明白你想要的是让每个城市都对应2019和2020两个年份，无数据的计数显示为0（这确实比NA更实用）。这里有个简洁的解决方案，用tidyr包的complete()函数就能轻松实现，先看完整操作：

library(dplyr)
library(tidyr)

# 你的原始数据
places <- c("London", "London", "London", "Paris", "Paris", "Rennes")
years <- c(2019, 2019, 2020, 2019, 2019, 2020)
dataset <- data.frame(years, places)

# 先按城市和年份统计数量
dataset2 <- dataset %>% count(places, years)

# 补全所有城市-年份组合，缺失的计数填0
dataset_full <- dataset2 %>%
  complete(places, years, fill = list(n = 0))

# 查看最终结果
dataset_full

运行后会得到你想要的输出：

places years n
1 London 2019 2
2 London 2020 1
3 Paris  2019 2
4 Paris  2020 0
5 Rennes 2019 0
6 Rennes 2020 1

方法解释 #

• complete(places, years)：这个函数会自动生成places和years所有可能的配对组合，不管原始计数数据里是否存在对应记录。
• fill = list(n = 0)：专门指定对于没有对应计数的组合，把n的值填充为0。如果确实需要NA，删掉这个fill参数即可。

无tidyr的替代方案 #

要是你不想加载tidyr包，也可以手动生成组合再合并：

# 生成所有城市-年份的可能组合
all_pairs <- expand.grid(
  places = unique(dataset$places),
  years = unique(dataset$years)
)

# 合并计数数据，将NA替换为0
dataset_full <- all_pairs %>%
  left_join(dataset2, by = c("places", "years")) %>%
  mutate(n = replace(n, is.na(n), 0))

这个方法和上面的效果完全一致，只是步骤稍多一些。

内容的提问来源于stack exchange，提问作者Wilcar