dplyr add_row给分组数据误加整表而非单行的问题及解决需求

原始数据 #

数据结构如下：

> head(df)
   Sample Site Site.Type Substrate.Type   Date Emerged
1 A 1 6/5    A     Type1          TypeA 6/2/22      NA
2 A 1 6/5    A     Type1          TypeA 6/3/22      NA
3 A 1 6/5    A     Type1          TypeA 6/4/22      NA
4 A 1 6/5    A     Type1          TypeA 6/5/22       0
5 A 1 6/5    A     Type1          TypeA 6/6/22       0
6 A 1 6/5    A     Type1          TypeA 6/7/22       0

> tail(df)
     Sample Site Site.Type Substrate.Type    Date Emerged
27 C 3 6/12   B      Type3          TypeR 6/12/22      NA
28 C 3 6/12   B      Type3          TypeR 6/13/22       0
29 C 3 6/12   B      Type3          TypeR 6/14/22       0
30 C 3 6/12   B      Type3          TypeR 6/15/22       1
31 C 3 6/12   B      Type3          TypeR 6/16/22       1
32 C 3 6/12   B      Type3          TypeR 6/17/22       0

需求 #

为每个样本添加指定日期的行（如6/18/22，Emerged=0），或扩展为添加连续日期的多行。

原代码问题 #

你使用的代码会导致数据框长度翻倍，原因是.$Sample这类写法会提取分组内所有行的对应列值（比如每个样本有n行，就会传入n个重复的Sample值），add_row会据此添加n行而非1行。

解决方案 #

1. 为每个样本添加单行指定日期 #

使用group_modify结合first()提取分组内唯一的样本属性，确保只添加一行：

library(dplyr)
library(tibble)

df_updated <- df %>%
  group_by(Sample) %>%
  group_modify(~ add_row(.x, 
                         Sample = first(.x$Sample),
                         Site = first(.x$Site),
                         Site.Type = first(.x$Site.Type),
                         Substrate.Type = first(.x$Substrate.Type),
                         Date = "6/18/22",
                         Emerged = 0)) %>%
  ungroup()

2. 为每个样本添加连续日期的多行 #

如果需要添加一段连续日期的行，可以先定义目标日期序列，再生成对应行数的新数据并合并：

# 定义要添加的连续日期
target_dates <- c("6/18/22", "6/19/22", "6/20/22")

df_multi_updated <- df %>%
  group_by(Sample) %>%
  group_modify(~ {
    # 生成要添加的多行数据
    new_rows <- tibble(
      Sample = first(.x$Sample),
      Site = first(.x$Site),
      Site.Type = first(.x$Site.Type),
      Substrate.Type = first(.x$Substrate.Type),
      Date = target_dates,
      Emerged = 0
    )
    # 合并原数据与新行
    bind_rows(.x, new_rows)
  }) %>%
  ungroup()

更灵活的日期生成（推荐）

先将Date列转换为日期类型，方便生成连续日期序列：

# 转换日期格式为Date类型
df <- df %>%
  mutate(Date = as.Date(Date, format = "%m/%d/%y"))

# 生成2022-06-18至2022-06-20的连续日期
start_date <- as.Date("2022-06-18")
end_date <- as.Date("2022-06-20")
target_dates_seq <- seq(start_date, end_date, by = "day")

df_multi_updated <- df %>%
  group_by(Sample) %>%
  group_modify(~ {
    new_rows <- tibble(
      Sample = first(.x$Sample),
      Site = first(.x$Site),
      Site.Type = first(.x$Site.Type),
      Substrate.Type = first(.x$Substrate.Type),
      Date = target_dates_seq,
      Emerged = 0
    )
    bind_rows(.x, new_rows)
  }) %>%
  ungroup()

# 可选：转回原日期字符串格式
df_multi_updated <- df_multi_updated %>%
  mutate(Date = format(Date, "%m/%d/%y"))

内容的提问来源于stack exchange，提问作者CarBarb