如何按组扩展R数据框：补全向量所有值并填充缺失值为0

现有一个带分组的dataframe，以及一个包含所有可能值的向量，需要扩展该dataframe，让每个分组都包含向量里的全部值，原分组中没有的元素对应的val列填充为0。

示例数据：

dd <- data.frame(trip_n = c(1,1,2),
                 sp = c('a', 'b', 'd'),
                 val = c(4,3,3))

sp_vec <- c('a', 'b', 'd', 'e')  # 重命名避免和列名冲突

预期输出（缺失元素填充0）：

trip_n sp val
1      1  a   4
2      1  b   3
3      1  d   0
4      1  e   0
5      2  a   0
6      2  b   0
7      2  d   3
8      2  e   0

尝试过以下方法但未得到预期结果：

expand.grid(dd$sp, sp_vec)
merge(dd, sp_vec) %>% arrange(trip_n)
left_join(data.frame(sp = sp_vec), dd)

方法一：使用tidyverse工具链（dplyr + tidyr） #

核心思路是先按分组字段生成所有可能的组合，再和原数据左连接，最后把缺失的val替换为0。

library(tidyverse)

# 生成所有分组和sp值的完整组合
full_combinations <- dd %>%
  distinct(trip_n) %>%
  cross_join(tibble(sp = sp_vec))

# 左连接原数据并填充缺失值为0
result <- full_combinations %>%
  left_join(dd, by = c("trip_n", "sp")) %>%
  mutate(val = replace_na(val, 0)) %>%
  arrange(trip_n, sp)

print(result)

方法二：使用base R的merge函数 #

先构造包含所有分组和sp值的完整数据集，再和原数据合并，最后处理缺失值。

# 获取所有唯一分组
unique_trips <- unique(dd$trip_n)
# 生成分组与sp值的完整组合
full_df <- expand.grid(trip_n = unique_trips, sp = sp_vec)
# 合并原数据并保留所有完整组合
result <- merge(full_df, dd, by = c("trip_n", "sp"), all.x = TRUE)
# 将缺失的val替换为0
result$val[is.na(result$val)] <- 0
# 按分组和sp值排序
result <- result[order(result$trip_n, result$sp), ]
# 重置行名
rownames(result) <- NULL

print(result)

之前方法失效的原因 #

• expand.grid(dd$sp, sp_vec)：仅生成了原数据中已存在的sp值与目标向量的组合，未结合分组信息，无法覆盖所有分组的全量sp值。
• merge(dd, sp_vec)：未指定合并键，默认会把sp_vec作为新列添加，而非按sp值匹配分组，逻辑错误。
• left_join(data.frame(sp = sp_vec), dd)：仅考虑了sp的全值，未结合分组维度，每个sp只会匹配一次，无法覆盖所有分组的缺失情况。

内容的提问来源于stack exchange，提问作者maycca