data.table相当于tidyr :: complete()

Question

tidyr::complete()将行添加到a data.frame中,以获取数据中缺少的列值组合.例:

library(dplyr)
library(tidyr)

df <- data.frame(person = c(1,2,2),
                 observation_id = c(1,1,2),
                 value = c(1,1,1))
df %>%
  tidyr::complete(person,
                  observation_id,
                  fill = list(value=0))

产量

# A tibble: 4 × 3
  person observation_id value
   <dbl>          <dbl> <dbl>
1      1              1     1
2      1              2     0
3      2              1     1
4      2              2     1

其中value组合person == 1和observation_id == 2缺少的组合df已填入值0.

什么相当于这个data.table？

Answer 1

我认为data.table的原理需要的特殊功能少于你在tidyverse中找到的任务,因此需要一些额外的编码,例如:

res = setDT(df)[
  CJ(person = person, observation_id = observation_id, unique=TRUE), 
  on=.(person, observation_id)
]

在此之后,您仍然必须手动处理缺失级别的值的填充.关注@ thelatemail的评论:

res[is.na(value), value := 0 ]

请参阅@ Jealie关于将回避此问题的功能的答案.

当然,这里的列名必须输入三次才是疯狂的.但另一方面,可以写一个包装器:

completeDT <- function(DT, cols, defs = NULL){
  mDT = do.call(CJ, c(DT[, ..cols], list(unique=TRUE)))
  res = DT[mDT, on=names(mDT)]
  if (length(defs)) 
    res[, names(defs) := Map(replace, .SD, lapply(.SD, is.na), defs), .SDcols=names(defs)]
  res[]
} 

completeDT(setDT(df), cols = c("person", "observation_id"), defs = c(value = 0))

   person observation_id value
1:      1              1     1
2:      1              2     0
3:      2              1     1
4:      2              2     1

作为避免第一步输入名称三次的快速方法,这里是@thelatemail的想法:

vars <- c("person","observation_id")
df[do.call(CJ, c(mget(vars), unique=TRUE)), on=vars]

# or with magrittr...
c("person","observation_id") %>% df[do.call(CJ, c(mget(.), unique=TRUE)), on=.]

更新:现在您不需要在CJ中输入两次名称,这要归功于@MichaelChirico和@MattDowle 的改进.

Answer 2

那里可能有更好的答案，但这有效：

dt[CJ(person=unique(dt$person), 
      observation_id=unique(dt$observation_id)),
   on=c('person','observation_id')]

这使：

   person observation_id value
1:      1              1     1
2:      2              1     1
3:      1              2    NA
4:      2              2     1

现在，如果您希望能够填充任何值（而不是NA），我建议您等待相应的功能完成或对其做出贡献:)