R语言实现客户购买dataframe缺失月份行填充 销量补零保留首购信息

实现方案 #

使用tidyverse生态的工具可以快速实现需求，代码如下：
首先加载依赖包：

# 若未安装依赖先运行 install.packages(c("tidyverse","lubridate"))
library(tidyverse)
library(lubridate)

处理逻辑代码：

# 定义统计结束月份为2021年10月
end_month <- ymd("2021-10-01")

# 数据处理
result <- soex %>%
  # 将字符串格式的年月转为日期格式，方便生成连续序列
  mutate(
    first_buy_dt = ym(first_buy),
    sales_date_dt = ym(sales_date)
  ) %>%
  # 按客户ID分组
  group_by(client_id) %>%
  # 补全每个客户从首购月到结束月的所有连续月份行
  complete(
    sales_date_dt = seq(first(first_buy_dt), end_month, by = "1 month")
  ) %>%
  # 向下填充固定字段和v1：用最近的上一行非空值填充，符合v1沿用最近消费记录取值的要求
  fill(first_buy, v1, .direction = "down") %>%
  # 缺失的产品销量统一填充为0
  replace_na(list(qt_prod1 = 0, qt_prod2 = 0)) %>%
  # 将销售日期转回原字符串格式，清理中间生成的辅助列
  mutate(sales_date = format(sales_date_dt, "%Y%m")) %>%
  ungroup() %>%
  select(client_id, v1, first_buy, sales_date, qt_prod1, qt_prod2) %>%
  # 按客户ID、销售日期排序，和示例输出顺序一致
  arrange(client_id, sales_date)

关键逻辑说明 #

• complete 函数会按照分组，生成每个客户从首次购买月到2021年10月的所有连续月份，自动补全缺失的行，满足不需要补充首购前月份的要求
• fill 函数的.direction = "down"参数表示向下填充，自动取用最近的上一个有消费记录的v1值填充缺失行，符合需求
• 最后输出的result和你给出的理想输出格式完全一致

内容的提问来源于stack exchange，提问作者Francesc Pons Álvarez