如何用dplyr为每个ID补全每小时间隔的DateTime序列？

嘿，这个需求用dplyr搭配tidyr的组合就能完美解决，代码简洁又直观！我给你一步步拆解：

1. 先模拟你的原始数据（方便测试） #

假设你的原始数据长这样：

library(dplyr)
library(tidyr)

df <- tibble(
  ID = c(1, 1, 2, 2),
  DateTimes = as.POSIXct(c("2024-01-01 09:00", "2024-01-01 12:00", "2024-01-02 14:00", "2024-01-02 18:00")),
  Values = c(10, 10, 20, 20) # 每个ID对应唯一的Values值
)

2. 核心补全代码 #

这几行就能搞定所有需求：

df_complete <- df %>%
  group_by(ID, Values) %>%  # 按ID+Values分组，确保补全后Values不会变NA
  complete(DateTimes = full_seq(DateTimes, period = 3600)) %>%  # 补全每小时时间序列
  ungroup()

3. 代码解释 #

• group_by(ID, Values)：因为每个ID的Values是唯一的，把这两个列一起分组后，补全新行时会自动继承对应ID的Values值，完全符合你“不设为NA”的要求。
• complete(...)：full_seq(DateTimes, period = 3600)会生成当前分组内从最小到最大DateTime的连续时间序列，步长为3600秒（也就是1小时）；complete函数会把这些缺失的行补进数据框里，同时保留分组的ID和Values。

4. 验证结果 #

运行后你会看到：

• ID==1的行：从9:00到12:00，共4条每小时记录，Values全为10
• ID==2的行：从14:00到18:00，共5条每小时记录，Values全为20
• 总计9条记录，完全匹配你的要求！

注意事项 #

• 确保你的DateTimes列是POSIXct/POSIXlt类型，如果不是，先用as.POSIXct(df$DateTimes)转换。
• 如果需要其他时间间隔，调整full_seq的period参数即可（比如30分钟就是1800秒）。

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