使用dplyr的complete函数扩展数据集以补充0值

问题背景 #

现有一份动物采样数据集，包含不同地点、年份的动物年龄组、雌性比例（propF）和雄性数量（nM）。需要为每个地点自身调查年份范围内，补充未记录对应年龄组的0值，且不能改变各地点原有的年份范围（例如地点B仅保留2002-2009年数据，地点A保留2000-2010年）。此前使用df %>% complete(year, nesting(site, age), fill = list(propF = 0))会统一所有地点的年份范围，不符合需求。

示例数据 #

df <- structure(list(
  site = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 
                     1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), 
                   levels = c("A", "B"), class = "factor"), 
  year = c(2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2002, 2005, 2006, 2007, 
           2008, 2009, 2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 
           2010, 2000, 2001, 2003, 2005), 
  age = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 
                    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), 
                  levels = c("1", "2"), class = "factor"), 
  propF = c(0, 0, 0, 0, 0, 0.1, 0, 0, 0.2, 0.5, 1, 0.8, 0.8, 0.8, 0, 0.2, 0.2, 0.1, 
            0.3, 0.2, 0.1, 0.1, 0.1, 0.1, 0.1, 1, 0.9, 1, 1), 
  nM = c(48L, 30L, 41L, 30L, 22L, 23L, 81L, 29L, 4L, 1L, 0L, 3L, 1L, 3L, 23L, 14L, 
         43L, 42L, 29L, 30L, 72L, 88L, 83L, 17L, 65L, 0L, 1L, 0L, 0L)), 
  row.names = c(NA, -29L), class = c("tbl_df", "tbl", "data.frame"))
print(df, n=30)

解决方案 #

核心思路是按地点分组后再补全缺失值，这样每个地点只会基于自身的年份范围生成缺失的年龄组记录，不会被其他地点的年份范围干扰。具体代码如下：

library(dplyr)
library(tidyr)

df_completed <- df %>%
  group_by(site) %>%  # 按地点分组，确保每组仅处理自身年份范围
  complete(year, age, fill = list(propF = 0, nM = 0)) %>%  # 补全年份+年龄组的缺失项，指定填充值
  ungroup()  # 取消分组，恢复数据集结构

结果验证 #

• 地点A的年份范围仍为2000-2010年，年龄组2会自动补充2002、2004、2006-2010年的propF和nM为0
• 地点B的年份范围保持2002-2009年，原有数据无变化（示例中地点B已覆盖所有年龄组，因此无新增行）

内容的提问来源于stack exchange，提问作者tnt