R语言如何将参考期分组统计值匹配填充到全量数据集

• 现有2000-2022年月度观测数据框df，包含year（年份）、month（月份）字段，以及DKF、GDT、GSB三个项目的观测值，其中GDT字段2000-2001年取值为NaN。
• 需以2002-2021年为参考期计算长期统计指标，已通过如下代码生成长格式LongTerm数据集，按project（项目）、month（月份）分组，计算得到每个项目各月的参考均值MeanRef、参考最小值MinRef、参考最大值MaxRef：

LongTerm <- df %>% 
  filter(year %in% c(2002:2021))%>%
  gather(key = "project",value = "value", -c(year,month))%>%
  group_by(project,month)%>%
  mutate(MeanRef = mean(value,na.rm = T))%>%
  mutate(MinRef = min(value,na.rm = T))%>%
  mutate(MaxRef = max(value,na.rm = T))

• 目标是将三个参考值匹配到全量数据集所有记录，让2000、2001、2022年这些参考期外的记录，也能获取对应项目、对应月份的参考值。
• 之前的实现仅给2002-2021年的记录赋值了参考值，参考期外记录的参考值列均为NA，代码如下：

test <- df %>% 
  gather(key = "project",value = "value", -c(year,month))%>%
  group_by(project,month)%>%
  mutate(MeanRef = NA)%>%
  mutate(MinRef = NA)%>%
  mutate(MaxRef = NA)

test$MeanRef[which(test$year %in% c(2002:2021))] = LongTerm$MeanRef
test$MinRef[which(test$year %in% c(2002:2021))] = LongTerm$MinRef
test$MaxRef[which(test$year %in% c(2002:2021))] = LongTerm$MaxRef

说明：参考值是「项目+月份」维度的固定重复值，需要填充参考期外记录的NA完成全量匹配。

之前按行位置直接赋值的方式容错性差，一旦数据排序变动、分组内行数不匹配就会出现错位，以下两种方式都可以稳定实现需求：

方法1：分组填充（基于现有test数据集补全） #

同一project+month分组下的参考值是固定常量，直接在分组内取非NA的参考值填充所有空值即可，不需要重构数据集：

# 加载tidyverse包
library(tidyverse)

# 保留之前生成test数据集、给参考期赋值的代码，新增以下填充逻辑
test <- test %>%
  group_by(project, month) %>%
  # 对三个参考值列，取分组内第一个非NA值覆盖所有行
  mutate(across(c(MeanRef, MinRef, MaxRef), ~first(na.omit(.x)))) %>%
  ungroup()

该方法适用前提：同组内参考期计算出的参考值完全一致，和当前LongTerm数据集的聚合逻辑完全匹配。

方法2：提取映射表左连接（推荐，逻辑最稳妥） #

不需要先生成空值再填充，直接从LongTerm中提取「项目-月份-参考值」的唯一映射表，和转成长格式的全量数据做关联匹配，一步到位，不会出现行错位问题：

library(tidyverse)

# 第一步：提取参考值唯一映射表，每个project+month组合仅保留一行
ref_mapping <- LongTerm %>%
  select(project, month, MeanRef, MinRef, MaxRef) %>%
  distinct(project, month, .keep_all = TRUE)

# 第二步：全量数据转长格式后，直接按project、month关联参考值
full_result <- df %>%
  gather(key = "project", value = "value", -c(year, month)) %>%
  left_join(ref_mapping, by = c("project", "month"))

该方法完全不依赖行顺序，匹配逻辑和观测值列无关，即使GDT列2000-2001年存在NaN也不会影响参考值匹配结果。

内容的提问来源于stack exchange，提问作者Haribo