R data.table按数据点数量限制窗口的滚动连接问题

问题场景 #

现有如下data.table数据：

dates = as.Date(c('2000-01-01','2000-02-01','2000-03-01','2000-04-01'))
dt = data.table(date = dates[1:2], value = c(1,2))

查看原始数据：

> dt
         date value
       <Date> <num>
1: 2000-01-01     1
2: 2000-02-01     2

当用所有日期做全连接时，缺失的value显示为NA：

> dt[J(dates), on = 'date']
         date value
       <Date> <num>
1: 2000-01-01     1
2: 2000-02-01     2
3: 2000-03-01    NA
4: 2000-04-01    NA

需求是将value向前滚动，但仅限制滚动1个数据点（即只填充下一个缺失行2000-03-01的value，2000-04-01保持NA）。而默认的roll参数是按连接列（date）的单位（天数）设置限制，比如roll=30能得到目标结果，但如果日期间隔不固定，这种方法就不适用。

解决方案 #

方法一：基于行号的滚动连接 #

通过给数据表添加行号，用行号作为连接键，严格限制滚动行数：

# 为原始数据添加行号
dt[, rn := .I]
# 创建包含所有日期和对应行号的查询表
query_dt = data.table(date = dates, rn = seq_along(dates))
# 按行号连接，roll=1表示仅允许行号差≤1的滚动
result = query_dt[dt, on = 'rn', roll = 1][, .(date, value)]
# 按日期排序确保顺序正确
setorder(result, date)

运行结果：

> result
         date value
       <Date> <num>
1: 2000-01-01     1
2: 2000-02-01     2
3: 2000-03-01     2
4: 2000-04-01    NA

这种方法不依赖日期间隔，无论日期是每天、每周还是不规则间隔，都只会向前滚动1个数据点。

方法二：全连接后条件填充 #

先完成全连接，再通过判断相邻行的NA状态来填充：

# 全连接所有日期
full_dt = dt[J(dates), on = 'date']
# 仅填充前一行有非NA值的缺失行
full_dt[, value := fifelse(is.na(value) & shift(!is.na(value), fill = FALSE), shift(value), value)]

运行结果与方法一一致：

> full_dt
         date value
       <Date> <num>
1: 2000-01-01     1
2: 2000-02-01     2
3: 2000-03-01     2
4: 2000-04-01    NA

这种方法更简洁，适合不需要复杂连接逻辑的场景。

内容的提问来源于stack exchange，提问作者jf328