如何补全数据框中缺失的区间型因子变量？

刚好你的bin字段是因子类型，而且所有应该存在的区间都已经作为它的levels定义好了——这正是解决问题的关键，完全不用费劲去解析那些区间字符串！下面给你两种简洁的实现方式：

方法一：用tidyverse工具（推荐，更贴合你的tibble场景） #

用tidyr::complete()函数可以直接补全所有因子水平对应的行，默认会把缺失的Values设为NA，如果需要填充0也可以指定：

library(tidyverse)

# 补全所有区间，缺失的Values设为NA
df_complete <- df %>%
  complete(bin)

# 如果想把缺失的Values填充为0，添加fill参数
df_complete_fill0 <- df %>%
  complete(bin, fill = list(Values = 0))

运行后你会看到，原来缺失的(1945,1950]和(1955,1960]都被补全了，对应的Values会是你指定的内容。

方法二：基础R实现 #

如果不想加载额外包，也可以用merge结合因子的levels来完成：

# 生成包含所有区间的数据集
all_bins <- data.frame(bin = levels(df$bin))

# 合并原数据，保留所有区间行
df_complete_base <- merge(all_bins, df, by = "bin", all.x = TRUE)

这个方法的原理和上面一致，都是利用因子已有的完整水平列表，把原数据中没出现的行补进来。

验证一下结果，比如查看补全后的前5行：

head(df_complete, 5)

会输出：

# A tibble: 5 × 2
  bin          Values
  <fct>         <int>
1 [1940,1945]       2
2 (1945,1950]      NA
3 (1950,1955]       4
4 (1955,1960]      NA
5 (1960,1965]      14

完美补全了缺失的区间！

内容的提问来源于stack exchange，提问作者hmhensen