数据表的外部连接按组合并

Question

我正在尝试使用data.table来填补一个大型不平衡的多维面板中的缺失观测值。以下是带有一些注释的数据示例，说明我的意图：

mydat <- structure(list(fund = c(1, 1, 1, 1, 2, 2, 2, 3, 3), holdingid = c(10,                                                                                                                                        
 10, 11, 11, 15, 15, 14, 20, 20), yearqtr = structure(c(2000,                                                                                                                                                 
 2000.5, 2000, 2000.25, 2000, 2000.75, 2000.25, 2000.25, 2000.5                                                                                                                                               
 ), class = "yearqtr"), shares = c(20, 25, 30, 30, 34, 34, 4,                                                                                                                                                 
 8, 10)), .Names = c("fund", "holdingid", "yearqtr", "shares"), row.names = c(NA,                                                                                                                             
 -9L), class = "data.frame")

allqtrs <- structure(c(2000, 2000.25, 2000.5, 2000.75), class = "yearqtr")

#note that there are missing yearqtrs for some fund-holding series
#if a fund-holding series is missing an observation I want to create 
#that fund-holding-quarter and fill it with NA

我正在尝试平衡面板，最终目标是正确地滞后（或差异化）每个基金持有ID系列（以便处理数据的不规则性）。显然，我可以为每个基金持有ID组使用zooreg，并使用此方法进行滞后，但我的数据> 2000万行，我正在尝试编写更高效的解决方案。感谢您的帮助。

编辑：为了更明确一些，我正在寻找类似于Oracle SQL的分区外连接所示的操作，如此处所示 http://st-curriculum.oracle.com/obe/db/10g/r2/prod/bidw/outerjoin/outerjoin_otn.htm。 < p > < em >编辑-2 我在描述中使用了很多时间序列术语。更具体地说，对于每个基金持有对，我希望在所有季度中为每个yearqtr都有一个观察值。因此，在这种情况下，由于有3个基金分别拥有3、2和1个持股，因此输出中应该有（2+2+1）*4行总数，因为每个基金持股都有4个可能的季度。另一个重要的点是，持有id非常多样化。类似于expand.grid(unique(fund),unique(holdingid),unique(allqtrs))将导致行数过多，因为每个基金只会拥有可能持有的一小部分。

- Rob Richmond

---

我不处理时间序列（因此不理解您使用的某些术语），但是这个问题可能与您有关：http://stackoverflow.com/a/16864025/1191259 - Frank

谢谢链接，Frank。这非常接近我想要做的事情，但是在所有可能的holdingid上运行expand.grid()将导致一个太大的数据框。我只需要填充到每个基金的唯一持股。我在上面进行了编辑以澄清一些问题。 - Rob Richmond

Answer 1

为了避免任何歧义/误解，发布您期望的答案总是很好的。这是您正在寻找的吗？

require(data.table)
dt <- as.data.table(mydat)
setkey(dt, "yearqtr")
dt[, .SD[J(allqtrs)], by = list(fund, holdingid)]
#     fund holdingid yearqtr shares
#  1:    1        10 2000.00     20
#  2:    1        10 2000.25     NA
#  3:    1        10 2000.50     25
#  4:    1        10 2000.75     NA
#  5:    1        11 2000.00     30
#  6:    1        11 2000.25     30
#  7:    1        11 2000.50     NA
#  8:    1        11 2000.75     NA
#  9:    2        15 2000.00     34
# 10:    2        15 2000.25     NA
# 11:    2        15 2000.50     NA
# 12:    2        15 2000.75     34
# 13:    2        14 2000.00     NA
# 14:    2        14 2000.25      4
# 15:    2        14 2000.50     NA
# 16:    2        14 2000.75     NA
# 17:    3        20 2000.00     NA
# 18:    3        20 2000.25      8
# 19:    3        20 2000.50     10
# 20:    3        20 2000.75     NA

- Arun