我有500个数据集(面板数据)。在每个商店中,我都有一个跨不同商店(商店)的时间序列(周)。在每个商店中,我需要添加缺少的时间序列观测值。
我的数据示例是:
store week value
1 1 50
1 3 52
1 4 10
2 1 4
2 4 84
2 5 2
我想看起来像:
store week value
1 1 50
1 2 0
1 3 52
1 4 10
2 1 4
2 2 0
2 3 0
2 4 84
2 5 2
我目前使用以下代码(该代码有效,但对我的数据需要很长时间):
stores<-unique(mydata$store)
for (i in 1:length(stores)){
mydata <- merge(
expand.grid(week=min(mydata$week):max(mydata$week)),
mydata, all=TRUE)
mydata[is.na(mydata)] <- 0
}
有没有更好、更有效的方法?
这里有
一个你可以尝试的dplyr/tidyr选项:
library(dplyr); library(tidyr)
group_by(df, store) %>%
complete(week = full_seq(week, 1L), fill = list(value = 0))
#Source: local data frame [9 x 3]
#
# store week value
# (int) (int) (dbl)
#1 1 1 50
#2 1 2 0
#3 1 3 52
#4 1 4 10
#5 2 1 4
#6 2 2 0
#7 2 3 0
#8 2 4 84
#9 2 5 2
默认情况下,如果未指定 fill
参数,则新行将填充 NA
。由于您似乎还有许多其他列,因此我建议您省略 fill 参数,以便您最终得到 NA,如果需要,请使用 mutate_each
再执行一步以将 NA 转换为 0(如果合适)。
group_by(df, store) %>%
complete(week = full_seq(week, 1L)) %>%
mutate_each(funs(replace(., which(is.na(.)), 0)), -store, -week)