在R中按年月周规则合并数据集并处理缺失值

需求说明 #

现有两个数据集df1和df2，df1用year_month_week（格式YYYYMMW，如2022051代表2022年5月第1周）标识时间，df2用date（格式YYYYMMDD）标识时间。需要按id+year_month_week将两者合并：同一id和周内有多个温度值时取第一个，无对应数据则填充NA，最终结果行数与df1完全一致。

实现步骤 #

1. 加载依赖包 #

处理日期和数据操作需用到lubridate和dplyr，首次使用需先安装：

install.packages(c("lubridate", "dplyr"))
library(lubridate)
library(dplyr)

2. 转换df2的日期格式并提取年月周 #

将df2的数字格式日期转为标准日期类型，计算该日期所属的当月周数，再拼接成与df1一致的year_month_week格式，最后按分组取首个温度值：

df2_processed <- df2 %>%
  mutate(
    # 把数字date转为标准日期
    date = ymd(date),
    # 提取年、月
    year = year(date),
    month = month(date),
    # 计算当月第几周：当月天数除以7后向上取整
    week_in_month = ceiling(day(date)/7),
    # 拼接成YYYYMMW数值格式
    year_month_week = as.numeric(paste0(year, sprintf("%02d", month), week_in_month))
  ) %>%
  # 按id和年月周分组，保留每组第一条数据
  group_by(id, year_month_week) %>%
  slice(1) %>%
  ungroup() %>%
  # 只保留合并所需列
  select(id, year_month_week, temperature)

3. 合并数据集 #

用left_join确保结果行数与df1一致，无匹配数据的位置自动填充NA：

final_df <- df1 %>%
  left_join(df2_processed, by = c("id", "year_month_week"))

4. 验证结果 #

运行代码查看最终输出：

print(final_df)

输出与预期完全一致：

id year_month_week points temperature
1  1         2022051     65        36.1
2  1         2022052     58        36.6
3  1         2022053     47          NA
4  2         2022041     21        34.3
5  2         2022042     25        34.9
6  2         2022043     27          NA
7  2         2022044     43          NA

内容的提问来源于stack exchange，提问作者Lee