R语言按分组生成连续日期序列并统计日期标记值

• 基础R的aggregate()函数仅会对数据中实际存在的「日期+分组」组合执行聚合计算，不会自动补全缺失的日期维度组合，因此无法输出覆盖全时段的逐日序列
• count是dplyr包提供的面向数据框的行计数动词，并非aggregate()支持的传入统计函数，直接替换sum会触发传入对象类型不匹配的报错
• 需求中的New字段本质是存在性标记：对应日期-分组组合有原始记录则标记1，无记录则标记0，不需要做求和或计数运算。

前置检查：先确认日期字段为标准Date类型，运行class(completeddf$date)如果返回不是"Date"，先执行completeddf$date <- as.Date(completeddf$date)做格式转换；如果你的原始日期字段为Expired而非预处理后的date，把代码中所有对应date的字段名替换为Expired即可。

方法1：tidyverse 方案（代码简洁，适配动态更新数据场景） #

先加载tidyverse套件，代码可自动适配每月更新的日期范围，不需要手动改起止值：

library(tidyverse)

# 自动提取全量数据的日期起止范围
start_date <- min(completeddf$date, na.rm = TRUE)
end_date <- max(completeddf$date, na.rm = TRUE)

result <- completeddf %>%
  # 同日期同分组多条记录去重，避免重复标记
  distinct(date, Group) %>%
  # 生成全量组合：所有连续日期 × 所有分组
  complete(
    date = seq.Date(from = start_date, to = end_date, by = "day"),
    Group
  ) %>%
  # 按规则赋值New字段：有记录为1，无记录为0
  mutate(New = ifelse(is.na(date), 0, 1)) %>%
  # 按要求重命名、选择输出字段
  select(Date = date, Group, New)

方法2：基础R方案（无需安装第三方包） #

如果不想依赖外部包，用基础R函数即可实现相同效果：

# 自动提取日期范围
start_date <- min(completeddf$date, na.rm = TRUE)
end_date <- max(completeddf$date, na.rm = TRUE)

# 生成所有日期+分组的全量笛卡尔积
all_comb <- expand.grid(
  Date = seq.Date(from = start_date, to = end_date, by = "day"),
  Group = unique(completeddf$Group)
)

# 原始数据打存在标记并去重
raw_flag <- unique(completeddf[, c("date", "Group")])
raw_flag$New <- 1

# 左连匹配全量组合，缺失值填0
result <- merge(
  x = all_comb,
  y = raw_flag,
  by.x = c("Date", "Group"),
  by.y = c("date", "Group"),
  all.x = TRUE
)
result$New[is.na(result$New)] <- 0

• 如果日期序列生成异常：检查日期列是否存在异常值（比如非日期格式的字符串、空值），min/max计算时加na.rm = TRUE会自动跳过空值
• 如果分组缺失：检查Group列是否存在未被识别的特殊值（比如空字符串、隐藏空格），可先运行trimws(completeddf$Group)清理字段两端空格再处理

内容的提问来源于stack exchange，提问作者user17582908