在 R 中按组重新填充缺少的日期年-月和值

如何解决在 R 中按组重新填充缺少的日期年-月和值

我正在尝试填写缺少的日期和费率。对于缺少的日期，我希望在 2019 年（一月）和 2021 年（一月）之间补充 yr_month。对于费率，我希望将任何缺失值重新填充为零。

我找到的最接近的例子在这里 - How to add only missing Dates in Dataframe 但我面临的挑战是我还有一个按组排列的列。这意味着每位患者将拥有 2 年的数据。

我能以有效的方式做到这一点的最佳方法是什么？

# A tibble: 10 x 3
# Groups:   clinic,yr_month [10]
   clinic   yr_month   rate
   <chr>    <chr>     <dbl>
 1 patient1 2019-01  0.528 
 2 patient1 2019-04  0.528 
 3 patient1 2020-05  0.528 
 4 patient1 2021-01  1.06  
 5 patient2 2019-01  0.0671
 6 patient2 2019-02  0.436 
 7 patient2 2019-03  0.805 
 8 patient2 2019-04  0.671 
 9 patient2 2019-05  0.268 
10 patient2 2019-06  0.101 

输入

structure(list(clinic = c("patient1","patient1","patient2","patient2"),yr_month = c("2019-01","2019-04","2020-05","2021-01","2019-01","2019-02","2019-03","2019-05","2019-06"
),rate = c(0.527704485488127,0.527704485488127,1.05540897097625,0.0671163461861136,0.436256250209739,0.805396154233364,0.671163461861136,0.268465384744455,0.10067451927917)),row.names = c(NA,-10L),groups = structure(list(clinic = c("patient1","2019-06"),.rows = structure(list(1L,2L,3L,4L,5L,6L,7L,8L,9L,10L),ptype = integer(0),class = c("vctrs_list_of","vctrs_vctr","list"))),class = c("tbl_df","tbl","data.frame"),.drop = TRUE),class = c("grouped_df","tbl_df","data.frame"))

预期输出：

# Groups:   clinic,yr_month 
   clinic   yr_month   rate
   <chr>    <chr>     <dbl>
 1 patient1 2019-01      0
 1 patient1 2019-02      0 
 1 patient1 2019-03      0
 1 patient1 2019-04  0.528
 1 patient1 2019-05      0
 1 patient1 2019-06      0 
 1 patient1 2019-07      0
 1 patient1 2019-08      0 
 1 patient1 2019-09      0
...
25 patient2 2019-01  0.0671
26 patient2 2019-02  0.436 
27 patient2 2019-03  0.805 
28 patient2 2019-04  0.671 
29 patient2 2019-05  0.268 
30 patient2 2019-06  0.101 
...
48 patient2 2021-01      0  
 

解决方法

使用 tidyverse 和 zoo，您可以尝试以下操作。您可以使用 group_by 来考虑诊所内的每位患者。对于日期，您可以使用 as.yearmon 中的 zoo 来使用年-月格式。然后，使用 complete 中的 tidyr，您可以用 0 填充缺失的 rate 值以表示缺失的月份。

library(tidyverse)
library(zoo)

df %>%
  group_by(clinic) %>%
  mutate(yr_month = as.yearmon(yr_month)) %>%
  arrange(yr_month) %>%
  complete(yr_month = seq(first(yr_month),last(yr_month),by = 1 / 12),fill = list(rate = 0)) 

,

首先，我们为您给定的月年组合创建一个空数据集：

library(dplyr)
library(tidyr)
library(purrr)
month_df <- tibble(
  month = rep(c(1:12),3),year = c(rep(2019,12),rep(2020,rep(2021,12))
  ) %>% 
  mutate(month_ind = ifelse(nchar(month) == 1,paste0("0",month),yr_month = paste0(year,"-",month_ind)) %>% 
  select(yr_month)

之后，给定 df 是您的数据：

df %>% ungroup() %>% 
  group_split(clinic) %>% 
  map(.,right_join,month_df) %>% 
  map(.,fill,clinic) %>% 
  bind_rows() %>% 
  arrange(clinic,yr_month) %>% 
  mutate(rate = ifelse(is.na(rate),rate))

输出为：

# A tibble: 72 x 3
   clinic   yr_month  rate
   <chr>    <chr>    <dbl>
 1 patient1 2019-01  0.528
 2 patient1 2019-02  0    
 3 patient1 2019-03  0    
 4 patient1 2019-04  0.528
 5 patient1 2019-05  0    
 6 patient1 2019-06  0    
 7 patient1 2019-07  0    
 8 patient1 2019-08  0    
 9 patient1 2019-09  0    
10 patient1 2019-10  0    
# ... with 62 more rows