合並兩個數據集，涵蓋所有可能的組合

Question

我在執行連接操作時遇到問題。

我的兩個數據框是：

library(tidiverse)
df_one <- data.frame(
                cohort = c("2019-03-01", "2019-03-01", "2019-03-01", "2019-04-01",
                           "2019-04-01", "2019-05-01"),
               periods = c(1, 2, 3, 1, 2, 1),
                 value = c(13, 24, 35, 22, 38, 21)
          )

df_two <- data.frame(
               periods = c(1, 2, 3, 4),
               value_2 = c(100, 73, 45, 29)
          )

我想要實現的最終結果是一個加入的 dataframe 包含 df_two 中的所有可能組合 - 對df_two中的元素df_one - 如下：

df_final <- data.frame(
                  cohort = c("2019-03-01", "2019-03-01", "2019-03-01", "2019-03-01",
                             "2019-04-01", "2019-04-01", "2019-04-01",
                             "2019-04-01", "2019-05-01", "2019-05-01", "2019-05-01",
                             "2019-05-01"),
                 periods = c(1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4),
                   value = c(13, 24, 35, NA, 22, 38, NA, NA, 21, NA, NA, NA),
                 value_2 = c(100, 73, 45, 29, 100, 73, 45, 29, 100, 73, 45, 29)
            )

       cohort periods value value_2
1  2019-03-01       1    13     100
2  2019-03-01       2    24      73
3  2019-03-01       3    35      45
4  2019-03-01       4    NA      29
5  2019-04-01       1    22     100
6  2019-04-01       2    38      73
7  2019-04-01       3    NA      45
8  2019-04-01       4    NA      29
9  2019-05-01       1    21     100
10 2019-05-01       2    NA      73
11 2019-05-01       3    NA      45
12 2019-05-01       4    NA      29

我嘗試使用crossing() ：

crossing(df_one, df_two)

但我得到了錯誤：

Error: Column name `periods` must not be duplicated.
Run `rlang::last_error()` to see where the error occurred.

一旦修復了唯一列名 - 正如用戶 @akrun 所建議的那樣 - 通過：

crossing(df_one, df_two, .name_repair = "unique")

我意識到crossing()不會產生我想要的結果。

我應該遵循什么方法來獲得df_final ？

Answer 1

crossing需要唯一的列名，“句點”是重復的。 根據?crossing

穿越（...，.name_repair =“check_unique”）

這意味着默認選項將檢查唯一的列名，如果有重復，它將引發錯誤。

library(dplyr)
library(tidyr)
library(stringr)

我們可以更改.name_repair以強制列名“唯一”

crossing(df_one, df_two, .name_repair = "unique")
#New names:
#* periods -> periods...2
#* periods -> periods...4
# A tibble: 24 x 5
#   cohort     periods...2 value periods...4 value_2
#   <chr>            <dbl> <dbl>       <dbl>   <dbl>
# 1 2019-03-01           1    13           1     100
# 2 2019-03-01           1    13           2      73
# 3 2019-03-01           1    13           3      45
# 4 2019-03-01           1    13           4      29
# 5 2019-03-01           2    24           1     100
# 6 2019-03-01           2    24           2      73
# 7 2019-03-01           2    24           3      45
# 8 2019-03-01           2    24           4      29
# 9 2019-03-01           3    35           1     100
#10 2019-03-01           3    35           2      73
# … with 14 more rows

或者使用“最小”，其中將保留重復的列名（但從長遠來看，這會使事情變得更加復雜

---

為了達到預期，我們可以在第一個數據集上complete分組，然后在第二個數據集上使用left_join

df_one %>% 
   group_by(cohort) %>%
   complete(periods = df_two$periods) %>%
   left_join(df_two)
# A tibble: 12 x 4
# Groups:   cohort [3]
#   cohort     periods value value_2
#   <chr>        <dbl> <dbl>   <dbl>
# 1 2019-03-01       1    13     100
# 2 2019-03-01       2    24      73
# 3 2019-03-01       3    35      45
# 4 2019-03-01       4    NA      29
# 5 2019-04-01       1    22     100
# 6 2019-04-01       2    38      73
# 7 2019-04-01       3    NA      45
# 8 2019-04-01       4    NA      29
# 9 2019-05-01       1    21     100
#10 2019-05-01       2    NA      73
#11 2019-05-01       3    NA      45
#12 2019-05-01       4    NA      29