在R语言DataFrame中为各国插入指定年份空行的技术需求

针对你的需求，这里提供两种常用实现方式，分别适配编程自动化和手动操作场景：

一、Python Pandas 批量处理（适合大规模数据集） #

1. 读取当前数据集

   import pandas as pd
   
   # 读取现有数据集（csv格式示例，其他格式可替换为pd.read_excel等）
   df = pd.read_csv("Politics.csv")
   

2. 定义需要补全的年份

   missing_years = [1997, 1999, 2001]
   

3. 生成所有国家的缺失年份行

   # 获取数据集内所有唯一国家
   countries = df["Country"].unique()
   
   # 构建缺失行数据
   missing_rows = []
   for country in countries:
       for year in missing_years:
           # 跳过已存在的年份行，避免重复
           if not ((df["Country"] == country) & (df["Year"] == year)).any():
               missing_rows.append({"Country": country, "Year": year, "Politics": pd.NA})
   
   # 转换为DataFrame格式
   missing_df = pd.DataFrame(missing_rows)
   

4. 合并数据并整理格式

   # 合并原数据集与缺失行
   final_df = pd.concat([df, missing_df], ignore_index=True)
   
   # 按国家、年份排序，匹配预期结构
   final_df = final_df.sort_values(by=["Country", "Year"]).reset_index(drop=True)
   
   # 保存补全后的数据集
   final_df.to_csv("Politics_complete.csv", index=False)
   

二、Excel 手动操作（适合小规模数据集） #

1. 提取唯一国家列表

   • 复制原表Country列到新工作表，通过「数据」→「删除重复值」得到所有不重复的国家。

2. 生成国家-缺失年份配对

   • 为每个国家重复添加1997、1999、2001三个年份，形成完整的国家-年份组合表。

3. 合并原数据与配对表

   • 使用「数据」→「合并查询」→「将两个表合并为新表」，以Country和Year为匹配键，选择「全外连接」模式。

4. 整理最终格式

   • 合并后Politics列对应缺失年份的行自动为空，删除多余辅助列后，按Country和Year排序即可。

内容的提问来源于stack exchange，提问作者MateoTilburg