如何在R中为仅含2条观测的指定ID补充随机日期的新观测行

依赖包 #

仅需使用dplyr包即可完成需求，如果你没有安装可以先运行install.packages("dplyr")安装。

完整代码 #

library(dplyr)

# 原始数据
a <- structure(list(person_number = c(943927L, 943927L, 943927L, 943927L, 
943927L, 943927L, 916248L, 916248L, 943579L, 943579L, 943579L, 
943579L, 943579L, 943579L), position_code = c(801L, 801L, 801L, 
801L, 801L, 801L, 5000690L, 5000690L, 5000690L, 5000690L, 5000690L, 
5000690L, 5000690L, 5000690L), date = c(4L, 6L, 2L, 1L, 3L, 5L, 
6L, 7L, 5L, 4L, 3L, 7L, 2L, 1L), start_hour = c(9L, 9L, 9L, 9L, 
9L, 9L, 10L, 10L, 9L, 9L, 10L, 9L, 10L, 10L), end_hour = c(17L, 
17L, 17L, 17L, 17L, 17L, 18L, 18L, 17L, 17L, 18L, 17L, 18L, 18L
)), class = "data.frame", row.names = c(NA, -14L))

# 核心处理逻辑
result <- a %>%
  # 按销售人员ID分组
  group_by(person_number) %>%
  group_modify(~ {
    # 仅处理只有2条观测的ID
    if(nrow(.x) == 2) {
      # 提取该ID未出现过的星期值（1-7为周一到周日的取值范围）
      available_dates <- setdiff(1:7, .x$date)
      # 随机选一个作为新行的date
      new_date <- sample(available_dates, 1)
      # 新行其他字段和该ID已有字段保持一致
      new_row <- .x[1, ]
      new_row$date <- new_date
      # 合并原有行和新行
      return(bind_rows(.x, new_row))
    }
    # 不符合条件的ID直接返回原有数据
    return(.x)
  }) %>%
  ungroup()

结果验证 #

执行以下代码查看符合条件的ID处理结果：

filter(result, person_number == 916248)

输出示例：

# A tibble: 3 × 5
  person_number position_code  date start_hour end_hour
          <int>         <int> <int>      <int>    <int>
1        916248       5000690     6         10       18
2        916248       5000690     7         10       18
3        916248       5000690     1         10       18

注：新行的date值为随机抽取的该ID未出现过的星期值，每次运行结果可能不同，均符合需求

内容的提问来源于stack exchange，提问作者psysky