如何用data.table找出2000-2003年存在缺失年份的Name取值？

当然有简洁高效的方法啦！既然你已经在用data.table，咱们就用它的分组特性来快速解决这个问题。先把你的数据集构造代码放出来方便参考：

library(data.table)
y <- 2000:2003
DT = rbind(use.names = FALSE, 
           data.table(Name = "A", Year = y), 
           data.table("B", y[-3]), 
           data.table("C", y[-c(1,4)]))

方法一：通过对比完整年份集合判断 #

首先定义目标年份区间的完整集合，然后按Name分组，检查每个组的年份是否和完整集合有差异：

# 定义2000-2003的完整年份
full_years <- 2000:2003

# 分组计算是否存在缺失年份，提取符合条件的Name
missing_names <- DT[, .(has_missing = length(setdiff(full_years, Year)) > 0), by = Name][has_missing == TRUE, Name]

# 输出结果
print(missing_names)
# 结果：[1] "B" "C"

方法二：利用唯一年份数量快速判断 #

因为2000-2003一共是4个连续年份，所以只要某个Name对应的唯一年份数小于4，就说明至少缺失了一个年份。这种写法更简洁，而且data.table的uniqueN函数经过优化，效率很高：

# 简洁版：分组判断唯一年份数是否小于4
missing_names <- DT[, uniqueN(Year) < 4, by = Name][V1 == TRUE, Name]

# 或者更直观的写法
missing_names <- DT[, if(uniqueN(Year) < length(full_years)) Name, by = Name][, unique(Name)]

print(missing_names)
# 结果：[1] "B" "C"

通用化扩展 #

如果你的年份区间不是固定的2000-2003，而是想基于数据中实际的年份范围来判断，也可以动态获取完整年份集合：

# 动态获取数据中的最小到最大年份作为完整区间
full_years <- min(DT$Year):max(DT$Year)
missing_names <- DT[, uniqueN(Year) < length(full_years), by = Name][V1 == TRUE, Name]

这样不管年份区间是多少，都能自动适配啦！

内容的提问来源于stack exchange，提问作者Peter