示例数据
set.seed(123)
df <- data.frame(year = c(rep(1980:1994, each = 9), rep(1995, times = 8), rep(1996:2012, each = 9),
rep(2013, times = 7), rep(2014, times = 9)),
ref.doy = sample(120:180, 312, replace = T),
x = rnorm(312))
对于每一年，如果 no. 的ref.doy不是 9，那么我想插入额外的新行，这只是最后一行的副本。
例如，如果 1995 年只有 8ref.doy，我想复制第 8 行使其成为第 9 行。如果 2013 年只有 8ref.doy，那么我想复制第 7 行并将其复制为 8 行和第 9 行，依此类推。
我目前的解决方案是一个 for 循环：
x <- df %>% group_by(year) %>% dplyr::mutate(y.length = n())
year.vec <- 1980:2014
temp.list <- list()
for(y in seq_along(year.vec)){
yr <- year.vec[y]
temp <- x %>% dplyr::filter(year == yr)
if(unique(temp$y.length) != 9) {
lastrow <- temp[nrow(temp), ]
lastrow.repeat <- as.data.frame(lapply(lastrow, rep, 9 - nrow(temp)))
full.data <- rbind(data.frame(temp), lastrow.repeat)
temp.list[[y]] <- full.data
} else {
temp.list[[y]] <- temp
}
}
newdata <- rbindlist(temp.list)
我需要一些帮助才能在dplyr或data.table本身内做到这一点。
以您最近两年的数据为例，该数据分别在 2013 年和 2014 年有 5 个和 9 个条目作为样本。我们filter少于 9 行的组，对于这些组，我们重复最后一行9 - n()次，并使用bind_rows将这些行添加到原始数据帧中。
df1 <- tail(df, 14)
library(dplyr)
df1 %>%
bind_rows(df1 %>%
group_by(year) %>%
#suggested by @Henrik
filter(n() < 9) %>%
slice(rep(n(), 9 - n()))) %>%
arrange(year)
# year ref.doy x
#1 2013 126 0.9171749
#2 2013 168 -2.6609228
#3 2013 167 1.1102771
#4 2013 120 -0.4849876
#5 2013 167 0.2306168
#6 2013 167 0.2306168
#7 2013 167 0.2306168
#8 2013 167 0.2306168
#9 2013 167 0.2306168
#10 2014 164 -0.2951578
#11 2014 158 0.8719650
#12 2014 149 -0.3484724
#13 2014 129 0.5185038
#14 2014 120 -0.3906850
#15 2014 147 -1.0927872
#16 2014 150 1.2100105
#17 2014 143 0.7409000
#18 2014 148 1.7242622
将其应用于原始数据帧，我们检查每个year的行数。
df2 <- df %>%
bind_rows(df %>%
group_by(year) %>%
filter(n() < 9) %>%
slice(rep(n(), 9 - n()))) %>%
arrange(year)
df2 %>%
group_by(year) %>%
summarise(no_of_rows = n())
# A tibble: 35 x 2
# year no_of_rows
# <dbl> <int>
# 1 1980 9
# 2 1981 9
# 3 1982 9
# 4 1983 9
# 5 1984 9
# 6 1985 9
# 7 1986 9
# 8 1987 9
# 9 1988 9
#10 1989 9
# ... with 25 more rows
或者正如@Henrik提到的，最简单的方法是拿每组的最后一行，然后不尊重地重复9 - n()次。
df %>%
group_by(year) %>%
slice(c(1:n(), rep(n(), 9 - n())))
Using data.table：
library(data.table)
setDT(df)
df[, ri := rowid(year)]
df2 <- df[CJ(year = year, ri = 1:9, unique = TRUE), on = .(year, ri)
][, (2:3) := lapply(.SD, zoo::na.locf), .SDcols = 2:3
][, ri := NULL][]
这给出了所需的结果：
> df2[year %in% c(1995,2013)] year ref.doy x 1: 1995 160 1.05418102 2: 1995 170 1.14526311 3: 1995 167 -0.57746800 4: 1995 179 2.00248273 5: 1995 146 0.06670087 6: 1995 139 1.86685184 7: 1995 144 -1.35090269 8: 1995 120 0.02098359 9: 1995 120 0.02098359 10: 2013 179 0.43528895 11: 2013 126 0.71517841 12: 2013 126 0.91717492 13: 2013 168 -2.66092280 14: 2013 167 1.11027710 15: 2013 120 -0.48498760 16: 2013 167 0.23061683 17: 2013 167 0.23061683 18: 2013 167 0.23061683
这样做有什么作用：
df[, ri := rowid(year)]按year添加行号- 然后与一个参考表(
CJ(year = year, ri = 1:9, unique = TRUE)(连接，该表每年有九行。结果现在将包含没有九行的年份的空行。 - 用
(2:3) := lapply(.SD, zoo::na.locf), .SDcols = 2:3填充空行 - 最后，删除
ri列，因为不再需要ri := NULL
@Henrik在评论中发布的更好的选择：
df2 <- df[ , .SD[c(1:.N, rep(.N, 9 - .N))], by = year]