为数据框补全缺失年份（重塑）：求基于管道符的优化方案

我现在有这么一个R语言数据框：

df <- structure(list( year = c(2001, 2001, 2002, 2003, 2001, 2002, 2003), name = c("A", "B", "B", "B", "C", "C", "C"), revenue = c(10, 20, 30, 40, 30, 40, 50)), .typeOf = c("numeric", "factor", "numeric"), row.names = c(NA, -7L), class = "data.frame")

里面第一列是年份，第二列是企业名称，第三列是营收。能看到企业"A"只有2001年的记录，而B、C两家的年份数据就完整很多。我需要给"A"补上2002、2003年的行，对应的营收设为NA。

之前我用这段代码实现了需求：

df %>% spread(year, revenue) %>% gather(year, revenue, 2:ncol(.)) %>% arrange(name) %>% View()

小数据集上跑起来没问题，但总觉得编程层面应该还有更优的写法。想请教下用melt、cast（比如dcast）这类方法的实现方案，而且要支持管道符%>%的写法。

推荐方案1：用tidyr的complete()（最简洁高效） #

其实tidyr包里的complete()就是专门解决这类补全缺失组合需求的，比spread+gather的写法直接太多，代码可读性也强：

library(tidyr)
library(dplyr)

df %>%
  complete(name, year = full_seq(year, 1)) %>%
  arrange(name)

解释：

• complete()会自动生成name和year所有可能的组合，缺失的revenue会自动填充为NA；
• full_seq(year, 1)用来提取数据中所有连续的年份，这里年份是2001-2003，也可以直接写2001:2003，但用full_seq更灵活，哪怕年份不连续也能自动识别全量范围。

方案2：用reshape2的dcast()+melt()组合 #

如果一定要用reshape2包里的dcast和melt，也可以这么写：

library(reshape2)
library(dplyr)

df %>%
  dcast(name ~ year, value.var = "revenue") %>%
  melt(id.vars = "name", variable.name = "year", value.name = "revenue", na.rm = FALSE) %>%
  mutate(year = as.numeric(as.character(year))) %>%
  arrange(name)

步骤分解：

1. dcast先把数据转成宽表：每个企业一行，年份作为列，缺失的年份对应的营收自动填NA；
2. melt再把宽表转回长表，na.rm = FALSE确保保留带NA的行；
3. 因为dcast处理后年份会变成因子类型，所以要转成数值型；
4. 最后按企业名称排序。

方案3：用expand()+left_join()（逻辑最直观） #

另一种思路是先生成所有企业-年份的完整组合框架，再左连接原数据：

library(dplyr)

df %>%
  expand(name, year = full_seq(year, 1)) %>%
  left_join(df, by = c("name", "year")) %>%
  arrange(name)

解释：

• expand()先创建出所有可能的企业-年份组合；
• left_join把原数据的营收匹配到对应组合上，没有匹配到的就会填充为NA，逻辑非常直白，新手也容易理解。

方案对比 #

• complete()：最推荐，属于tidyverse的标准解决方案，代码简洁语义清晰，大数据集上效率也不错；
• dcast+melt：偏向传统reshape2的处理思路，但需要额外处理年份类型转换，代码稍显繁琐；
• expand+left_join：逻辑最直观，适合对join操作更熟悉的用户，大数据集表现也稳定。

内容的提问来源于stack exchange，提问作者Jeparov