R语言按条件补全缺失行：为站点日期缺失组合填充0计数

以下提供两种主流数据处理工具的实现代码：

Python（pandas 实现） #

核心逻辑是先构造所有站点和日期的笛卡尔积作为基准全表，再和原数据集左连接后对缺失计数值填0：

import pandas as pd

# 1. 定义研究涉及的全量站点、日期列表
all_sites = ["SVC", "BMA", "SVA", "BMC", "TMA", "TMC", "SRA", "SRC", "MCC"]
all_dates = ["2021/6/1", "2021/6/7", "2021/6/15", "2021/6/21", "2021/6/29"]

# 2. 构造站点+日期的全量组合基准表
# 注意：names参数的值需要和DF1中对应的站点、日期列名完全一致
full_base = pd.MultiIndex.from_product(
    [all_sites, all_dates], 
    names=["站点", "日期"]
).to_frame(index=False)

# 3. 左连接原数据集，缺失的计数字段填充0
df_full = full_base.merge(DF1, on=["站点", "日期"], how="left").fillna(0)

# 若仅需要对指定的n个计数字段填0，可指定列填充，避免其他字段被错误补0：
# count_cols = ["计数列1", "计数列2"] # 替换为实际的计数字段名
# df_full[count_cols] = df_full[count_cols].fillna(0)

R（tidyverse 实现） #

用crossing快速生成全量组合，左连接后对计数字段缺失值替换为0：

library(tidyverse)

# 1. 定义全量站点、日期向量
all_sites <- c("SVC", "BMA", "SVA", "BMC", "TMA", "TMC", "SRA", "SRC", "MCC")
all_dates <- as.Date(
  c("2021/6/1", "2021/6/7", "2021/6/15", "2021/6/21", "2021/6/29"),
  format = "%Y/%m/%d"
)

# 2. 生成全量组合后左连接补0
# 注意：by参数的值需要和DF1中对应的站点、日期列名完全一致
df_full <- crossing(站点 = all_sites, 日期 = all_dates) %>%
  left_join(DF1, by = c("站点", "日期")) %>%
  # 若所有数值列都是计数字段，可直接用across(where(is.numeric), ~replace_na(., 0))
  mutate(across(c(计数列1, 计数列2), ~replace_na(., 0)))

注意事项 #

• 全量表的站点、日期字段的类型要和原数据集完全一致，比如原数据日期是Date类型，构造全量表时就不要用字符串类型，避免连接匹配失败
• 如果原数据集存在站点、日期之外的其他分组维度，需要把这些维度也加入全量组合的构造逻辑中

内容的提问来源于stack exchange，提问作者Jacob