使用dplyr在R数据框中补全缺失小时并填充NA

前置依赖 #

需要搭配dplyr和tidyr包使用，tidyr的complete函数是补全行的核心工具，二者均属于tidyverse生态，和dplyr语法完全兼容。

实现步骤 #

1. 数据格式预处理 #

先确保datex字段为标准日期类型，避免后续匹配出错：

library(dplyr)
library(tidyr)

mydata <- mydata %>%
  mutate(datex = as.Date(datex, format = "%Y/%m/%d"))

2. 补全缺失记录 #

提供两种常用方案，按需选择：

方案一：全局补全所有日期的全时段记录

自动给数据中所有存在的日期补全0-23时的全部小时记录，缺失的sales默认填充为NA，通用性最强：

mydata_complete <- mydata %>%
  complete(datex, hourx = 0:23)

方案二：仅补全指定日期的缺失小时

如果仅需要补全问题中提到的3个日期的缺失记录，其余日期保持原有不变，可使用以下代码：

mydata_complete <- mydata %>%
  group_by(datex) %>%
  group_modify(~ if (cur_group()$datex %in% as.Date(c("2021-07-04", "2021-07-31", "2021-08-08"))) {
    complete(.x, hourx = 0:23)
  } else {
    .x
  }) %>%
  ungroup()

3. 结果验证 #

可通过以下代码查看目标日期的补全效果：

mydata_complete %>%
  filter(datex %in% as.Date(c("2021-07-04", "2021-07-31", "2021-08-08"))) %>%
  arrange(datex, hourx) %>%
  print(n = Inf)

内容的提问来源于stack exchange，提问作者Faryan