R语言按ID分组填充缺失日期为NA/0的实现问题求解

处理多ID对应日期记录的数据集，目标为：针对每个ID，补全其在数据集中出现时段内的完整年度日期数据。全量ID合计覆盖约4年连续时间范围，但单个ID可能存在不连续的日期记录；无需补全ID未出现时段的日期（如个体死亡、停止监测后的日期无需填充）。
先后尝试两种手写循环的实现方式，均未得到预期结果：

• 第一种实现调用complete()函数时报错：Error in min(Date) : invalid 'type' (closure) of argument，预期效果为缺失的「ID-日期」组合对应字段填充为NA，便于统计缺失情况
• 第二种实现尝试通过rbind拼接生成缺失记录明细表，输出结果格式错乱，不符合预期

• 第一种实现的报错核心：
  • 循环内调用complete()时未传入待处理数据集，也未做分组绑定，代码中Date被R识别为内置的日期类型构造函数（闭包类型），无法对函数对象求最小值，直接触发报错
  • 代码中日期序列取的是全量数据集的全局最大、最小日期，不符合「仅补全单个ID自身出现时段」的需求，会强制给所有ID补齐全时间范围的日期
• 第二种实现的输出异常核心：
  • rbind要求合并的对象列数、列类型匹配，直接将长度不等的日期向量和单个ID值按行拼接，会出现值错位、数据类型转换错误
  • 按「ID-年份」拆分后未定义统一的输出结构，最终生成的对象不是标准结构化数据表

无需手写split+循环逻辑，直接按ID分组后调用complete()即可一步完成补全，自动适配每个ID的实际出现时间范围：

library(tidyverse)
library(lubridate)

# 构造测试数据集（与提问中的测试逻辑一致）
dates <- rep(seq(as.Date("2004/01/01"), as.Date("2020/12/31"), "days"), each=20)
Animal_id <- rep(1:20, times=length(unique(dates)))
df <- data.frame(dates=dates, id=Animal_id)
df[,"Year"]<-format(df[,"dates"],"%Y")
# 随机删除行制造缺失场景
df <- df[-c(4,6,10,15,16,20), ]

# 核心补全逻辑
df_completed <- df %>% 
  group_by(id) %>% 
  # 仅在当前ID的最小日期到最大日期范围内补全日度序列
  complete(dates = seq.Date(min(dates), max(dates), by = "day")) %>% 
  # 填充补全行的年份字段
  mutate(Year = year(dates)) %>% 
  ungroup()

如果需要单独提取所有缺失的「ID-日期」组合，直接筛选补全过程中生成的空行即可：

missing_records <- df %>% 
  group_by(id) %>% 
  complete(dates = seq.Date(min(dates), max(dates), by = "day")) %>% 
  ungroup() %>% 
  # 原有记录的Year字段有值，补全生成的缺失行Year为NA
  filter(is.na(Year)) %>% 
  select(id, dates)

该逻辑会自动匹配每个ID的实际观测时间范围：例如某ID仅在2019-02-15到2021-10-08存在记录，就只会补这个区间内的缺失日期，不会生成ID未观测时段的无效记录。

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