为长格式时间序列数据补全含NA的缺失行（优先dplyr方案）

首先先明确你的原始数据情况：

mydata <- data.frame(year = rep(c(2000,2001,2002,2004), 2), 
                     team = factor(c("A","A","A","A", "B","B","B","B")), 
                     score = c(8,1,3,1,2,3,7,2))

# 查看原始数据
mydata
#>   year team score
#> 1 2000    A     8
#> 2 2001    A     1
#> 3 2002    A     3
#> 4 2004    A     1
#> 5 2000    B     2
#> 6 2001    B     3
#> 7 2002    B     7
#> 8 2004    B     2

确实，2003年的观测对两个队都缺失了，需要补全这些行并将score填充为NA。

最优dplyr/tidyr方案：用complete()函数 #

complete()是tidyr包中的函数（属于tidyverse生态，和dplyr无缝配合），专门用来补全数据中缺失的组合，代码非常简洁：

# 先加载tidyverse包（包含dplyr和tidyr）
library(tidyverse)

# 补全缺失行
mydata_complete <- mydata %>%
  complete(year = full_seq(year, 1), team)

代码解释：

• full_seq(year, 1)：自动生成从year列最小值到最大值之间的所有连续整数，这里就是2000-2004的所有年份，解决了年份间隔缺失的问题；
• team：直接指定这个变量，函数会自动包含它的所有因子水平（A和B），确保每个年份都和每个队组合；
• 原来存在的行会保留score的原始值，缺失的组合会自动将score填充为NA。

如果想要和你目标数据完全一致的排序（先A队的所有年份，再B队的），只需要再加一步arrange()：

mydata_complete <- mydata %>%
  complete(year = full_seq(year, 1), team) %>%
  arrange(team, year)

最终结果：

mydata_complete
#> # A tibble: 10 × 3
#>    year team  score
#>   <dbl> <fct> <dbl>
#> 1  2000 A         8
#> 2  2001 A         1
#> 3  2002 A         3
#> 4  2003 A        NA
#> 5  2004 A         1
#> 6  2000 B         2
#> 7  2001 B         3
#> 8  2002 B         7
#> 9  2003 B        NA
#>10  2004 B         2

补充：expand.grid + left_join方案 #

你提到的expand.grid也能解决，不过步骤稍多，需要先生成所有可能的组合再做连接：

# 生成所有年份和队的组合
all_combinations <- expand.grid(year = seq(min(mydata$year), max(mydata$year), 1),
                                team = levels(mydata$team))

# 左连接原始数据，补全缺失值
mydata_complete2 <- left_join(all_combinations, mydata, by = c("year", "team")) %>%
  arrange(team, year)

但显然complete()的方案更符合“优雅简洁”的要求，不需要手动生成组合，一步到位。

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