R语言按分组批量新增行 自动补全dyad二元配对数据

问题场景 #

现有按分组存储的二元关系格式数据集，需为每个分组新增指定国家，自动补全新增国家与组内原有国家的双向配对（即「新增国-原有国」「原有国-新增国」两类观测均需生成）。逐组手动重命名、拼接的方案在分组、待添加国家数量较多时效率极低，需可复用的自动化批量处理流程。

示例原始数据 #

data <- data.frame(country1 = c("BEL", "FRA", "BEL", "FRA", "AUS", "ITA"),
                   country2 = c("FRA", "BEL", "FRA", "BEL", "ITA", "AUS"),
                   year = c(2001,2001,2002,2002,2002,2002),
                   id = c(1,1,1,1,2,2))

原始数据结构：

country1 country2 year id
1       BEL      FRA 2001  1
2       FRA      BEL 2001  1
3       BEL      FRA 2002  1
4       FRA      BEL 2002  1
5       AUS      ITA 2002  2
6       ITA      AUS 2002  2

示例需求 #

• id=1分组新增国家LUX（卢森堡）
• id=2分组新增国家POR（葡萄牙）
• 分组下所有年份维度均需补全新增国家与原有国家的双向配对
  期望输出结构：

country1 country2 year id
1       BEL      FRA 2001  1
2       FRA      BEL 2001  1
3       LUX      BEL 2001  1
4       LUX      FRA 2001  1
5       BEL      LUX 2001  1
6       FRA      LUX 2001  1
7       BEL      FRA 2002  1
8       FRA      BEL 2002  1
9       LUX      BEL 2002  1
10      LUX      FRA 2002  1
11      BEL      LUX 2002  1
12      FRA      LUX 2002  1
13      AUS      ITA 2002  2
14      ITA      AUS 2002  2
15      POR      AUS 2002  2
16      POR      ITA 2002  2
17      AUS      POR 2002  2
18      ITA      POR 2002  2

批量实现方案 #

前置准备 #

首先整理分组-待添加国家映射表，将所有分组与对应要新增的国家整理为两列数据框，这是批量处理的唯一配置项，后续代码无需逐组修改。示例映射表如下：

# 实际使用时补全所有分组的对应关系即可，单个分组需添加多个国家时新增多行记录
add_map <- data.frame(
  id = c(1, 2),
  add_country = c("LUX", "POR")
)

完整处理代码 #

基于dplyr和tidyr实现，核心逻辑为按「分组+年份」粒度提取组内原有国家，关联待添加国家后自动生成双向配对，最后与原始数据合并去重：

library(dplyr)
library(tidyr)

# 批量生成所有新增dyad配对
new_dyads <- data %>%
  # 按id+year分组，提取组内所有不重复的原有国家
  group_by(id, year) %>%
  summarise(
    exist_country = unique(c(country1, country2)),
    .groups = "drop"
  ) %>%
  # 关联当前分组需要新增的国家
  left_join(add_map, by = "id") %>%
  # 构造两个方向的配对
  mutate(
    # 方向1：新增国为country1，原有国家为country2
    c1_dir1 = add_country, c2_dir1 = exist_country,
    # 方向2：原有国家为country1，新增国为country2
    c1_dir2 = exist_country, c2_dir2 = add_country
  ) %>%
  # 宽表转长表，统一列结构
  select(id, year, c1_dir1, c2_dir1, c1_dir2, c2_dir2) %>%
  pivot_longer(
    cols = -c(id, year),
    names_to = c(".value", "dir"),
    names_sep = "_"
  ) %>%
  # 对齐原始数据列名，去除重复配对
  select(country1 = c1, country2 = c2, year, id) %>%
  distinct()

# 合并原始数据与新增配对，排序得到最终结果
final_data <- bind_rows(data, new_dyads) %>%
  arrange(id, year, country1, country2)

运行后final_data与期望输出完全一致。

场景扩展适配 #

• 单个分组需添加多个国家：仅需在add_map中为对应id新增多行记录，代码无需调整
• 数据包含其他协变量：在分组汇总步骤保留对应「分组+年份」维度的协变量值，合并时同步带出即可
• 需排除自配对：最终结果增加filter(country1 != country2)步骤即可

内容的提问来源于stack exchange，提问作者Djoustaine