我首先要说的是，用另一个数据帧中的信息填充一个数据框中缺失的数据，有一种解决方案可以解决我的问题。然而，它用FOR循环来解决这个问题，我更喜欢矢量化的解决方案。
我有125年的气候数据，包括年、月、温度、降水量和开锅蒸发量。它是按月份汇总的每日数据。在18世纪末的一些年份里，有整整几个月的时间都不见了，我想用30年左右的平均值来代替这些不见的月份。
我已经粘贴了一些我一直在玩的代码，如下：
# For simplicity, let's pretend there are 5 months in the year, so year 3
# is the only year with a complete set of data, years 1 and 2 are missing some.
df1<-structure(
list(
Year=c(1,1,1,2,2,3,3,3,3,3),
Month=c(1,2,4,2,5,1,2,3,4,5),
Temp=c(-2,2,10,-4,12,2,4,8,14,16),
Precip=c(20,10,50,10,60,26,18,40,60,46),
Evap=c(2,6,30,4,48,4,10,32,70,40)
)
)
# This represents the 30-year average data:
df2<-structure(
list(
Month=c(1,2,3,4,5),
Temp=c(1,3,9,13,15),
Precip=c(11,13,21,43,35),
Evap=c(1,5,13,35,45)
)
)
# to match my actual setup
df1<-as_tibble(df1)
df2<-as_tibble(df2)
# I can get to the list of months missing from a given year
full_year <- df2[,1]
compare_year1 <- df1[df1$Year==1,2]
missing_months <- setdiff(full_year,compare_year1)
# Or I can get the full data from each year missing one or more months
year_full <- df2[,1]
years_compare <- split(df1[,c(2)], df1$Year)
years_missing_months <- names(years_compare[sapply(years_compare,nrow)<5])
complete_years_missing_months <- df1[df1$Year %in% years_missing_months,]
这就是我被难住的地方。
我已经研究了anti_join和merge，但看起来它们在每帧中都需要相同长度的数据。我可以从按年份分组的列表中获取缺少月份的年份，但我不确定如何从中实际插入行。看起来lapply可能有用，但答案还没有出来。
提前谢谢。
编辑7/19：为了说明我需要什么，只看年份"1"，当前数据(df1(如下：
年份|Mon|Temp|Precur|Evap
1|1|-2|20|2
1|2 |10|6
1 |4|10|50|30
第3个月和第5个月缺少数据，因此我希望从30年平均值表(df2(中插入等效的月份数据，因此年份"1"的最终结果如下：
年份|周一|温度|降水量|蒸发量
1|1|-2|20|2
1|2|2|10|6
1|3|9|21|13
1 |4|10|50|30
1|1 |15|35|45
然后以同样的方式填写每年缺少的月份。第"3"年没有变化，因为(在这个5个月的例子中(没有遗漏任何月份的数据。
首先只需添加行来保存估算值，因为您知道缺少具有已知日期的行：
df1$date <- as.Date(paste0("200",df1$Year,"/",df1$Month,"/01"))
pretend_12months <- seq(min(df1$date),max(df1$date),by = "1 month")
pretend_5months <- pretend_12months[lubridate::month(pretend_12months) < 6]
pretend_5months <- data.frame(date=pretend_5months)
new <- merge(df1,
pretend_5months,
by="date",
all=TRUE)
new$Year <- ifelse(is.na(new$Year),
substr(lubridate::year(new$date),4,4),
new$Year)
new$Month <- ifelse(is.na(new$Month),
lubridate::month(new$date),
new$Month)
使用左联接输入NA值：
# key part: left join using any library or builtin method (left_join,merge, etc)
fillin <- sqldf::sqldf("select a.date,a.Year,a.Month, b.Temp, b.Precip, b.Evap from new a left join df2 b on a.Month = b.Month")
# apply data set from join to the NA data
new$Temp[is.na(new$Temp)] <- fillin$Temp[is.na(new$Temp)]
new$Precip[is.na(new$Precip)] <- fillin$Precip[is.na(new$Precip)]
new$Evap[is.na(new$Evap)] <- fillin$Evap[is.na(new$Evap)]
date Year Month Temp Precip Evap 1 2001-01-01 1 1 -2 20 2 2 2001-02-01 1 2 2 10 6 3 2001-03-01 1 3 9 21 9 4 2001-04-01 1 4 10 50 30 5 2001-05-01 1 5 15 35 15 6 2002-01-01 2 1 1 11 1 7 2002-02-01 2 2 -4 10 4 8 2002-03-01 2 3 9 21 9 9 2002-04-01 2 4 13 43 13 10 2002-05-01 2 5 12 60 48 11 2003-01-01 3 1 2 26 4 12 2003-02-01 3 2 4 18 10 13 2003-03-01 3 3 8 40 32 14 2003-04-01 3 4 14 60 70 15 2003-05-01 3 5 16 46 40