如何在R中切割数据框时保留所有时间区间并填充缺失值为NA

你的核心问题是原代码中没有数据的时间区间会被自动过滤，导致pivot_wider后丢失对应的列。不需要添加虚拟用户，用tidyr::complete或者连接全量区间的方法就能解决，下面是两种可行方案：

方案一：用complete补全所有区间组合 #

直接在分组前补全ID和day的所有可能组合，缺失数据自动填充NA：

test_data %>%
  dplyr::mutate(diff = as.double.difftime(times - min(times), units = "days")) %>%
  # 将day转为包含所有区间的因子，确保水平不丢失
  dplyr::mutate(day = cut(diff, breaks = 0:6, include.lowest = TRUE, right = TRUE, 
                         ordered_result = TRUE) %>% as.factor()) %>%
  # 强制生成ID和day的所有组合，缺失的values填NA
  tidyr::complete(ID, day) %>%
  group_by(ID, day) %>%
  filter(row_number() == n()) %>%
  select(ID, day, values) %>%
  tidyr::pivot_wider(names_from = day, values_from = values)

方案二：手动生成全量区间后右连接 #

先创建包含所有需要的区间的数据集，再和处理后的结果做右连接，确保所有区间都被保留：

# 生成所有目标时间区间
all_day_intervals <- dplyr::tibble(
  day = cut(0:5, breaks = 0:6, include.lowest = TRUE, right = TRUE, ordered_result = TRUE)
)

test_data %>%
  dplyr::mutate(diff = as.double.difftime(times - min(times), units = "days")) %>%
  dplyr::mutate(day = cut(diff, breaks = 0:6, include.lowest = TRUE, right = TRUE, ordered_result = TRUE)) %>%
  group_by(ID, day) %>%
  filter(row_number() == n()) %>%
  select(ID, day, values) %>%
  # 右连接全量区间，补全缺失的列
  dplyr::right_join(all_day_intervals, by = "day") %>%
  dplyr::arrange(ID, day) %>%
  tidyr::pivot_wider(names_from = day, values_from = values)

两种方案都能得到你期望的结果，其中方案一更简洁，利用complete直接补全组合，不需要额外创建区间数据集。

内容的提问来源于stack exchange，提问作者Ai4l2s