与NA值插入行的数目与最小行要求条件中的R的每个实体

Question

我有如下一个数据帧。我想设置一个最小行变量（姑且称之为min_row）每个ID，这意味着每个ID至少应有min_row记录。如果没有，我想插入一行与另一列ID值NA（这里是subject列）。

min_row_id=3
df
ID    subject
1      A1
1      A2
2      A1
3      A1
3      A2
3      A3
3      A4

resutl:

ID   subject
1     A1
1     A2
1     NA
2     A1
2     NA
2     NA
3     A1
3     A2
3     A3
3     A4

因此，每个ID至少有3条记录。 我怎样才能做到这一点R中？谢谢

Answer 1

下面是使用tidyr::complete一种方式。我们创建了计数记录每个record_number组ID列。然后complete将让我们填写所有缺少的行，所以每个组有许多记录作为拥有最（如果没有组有3条记录，它们填充到3行）的组。然后，我们过滤掉无关行超过3％加入该组。

library(tidyverse)
tbl <- read_table2(
"ID    subject
1      A1
1      A2
2      A1
3      A1
3      A2
3      A3
3      A4" 
)

tbl %>%
  group_by(ID) %>%
  mutate(record_number = row_number()) %>%
  ungroup() %>%
  complete(ID, record_number = 1:max(3, max(record_number))) %>%
  filter(record_number <=3 | !is.na(subject))
#> # A tibble: 10 x 3
#>       ID record_number subject
#>    <dbl>         <int> <chr>  
#>  1     1             1 A1     
#>  2     1             2 A2     
#>  3     1             3 <NA>   
#>  4     2             1 A1     
#>  5     2             2 <NA>   
#>  6     2             3 <NA>   
#>  7     3             1 A1     
#>  8     3             2 A2     
#>  9     3             3 A3     
#> 10     3             4 A4

由reprex package创建于2019年2月6日（v0.2.1）

Answer 2

将只使用基础R是一种方法

#Get number of rows for each ID and subtract it from min_row_id
#keep only those which we need to add 
temp <- subset(aggregate(subject~ID, df, function(x) min_row_id - length(x)), 
               subject < min_row_id & subject > 0)

#Add those new rows and rbind the original dataframe
new_df <- rbind(df, do.call(rbind, mapply(function(x, y) 
                    data.frame(ID = x, subject = rep(NA, y)), 
                    temp$ID, temp$subject, SIMPLIFY = FALSE)))

#If needed order them according to ID
new_df[order(new_df$ID), ]

#   ID subject
#1   1      A1
#2   1      A2
#8   1    <NA>
#3   2      A1
#9   2    <NA>
#10  2    <NA>
#4   3      A1
#5   3      A2
#6   3      A3
#7   3      A4

Answer 3

另base替代。每个 'ID' 中使用tapply到索引（[） '主体'，从1到组max和3（min_row_id）的length。对超过基长度的索引时，相应的值是NA。

通过replicating列表中的元素，以每个元素（lengths）的长度的名称重新正确长度的“ID”。使用unlist创建一个“主题”栏。

l <- tapply(d$subject, d$ID, function(x) x[1:(max(c(length(x), 3)))])
data.frame(id = rep(names(l), lengths(l)), subject = unlist(l, use.names = FALSE))
#    id subject
# 1   1      A1
# 2   1      A2
# 3   1    <NA>
# 4   2      A1
# 5   2    <NA>
# 6   2    <NA>
# 7   3      A1
# 8   3      A2
# 9   3      A3
# 10  3      A4