データに存在しない日付を無理やり作り出して、値を埋める方法

前回、チャートの「値がない場合の処理」という設定を使って、データラングリングをせずに、割引率が変更されるまで同じ値で推移するラインチャートを作りました。

しかし実際には、データに存在しない日付のデータをデータラングリングをして生成したいといった場合があります。例えば、そうやってできたデータをもとに時系列予測や機械学習のモデルを作る必要があったり、別のデータと結合する必要があったり、といった時などです。

ここでの問題は、ここのデータには割引率が変更された日のデータしかなく、期間内のそれ以外の日のデータがないということです。そこで、このデータの期間である10月1日から12月10日までの全ての日付を用意する必要があります。

では、どうやってこのデータに存在しない日付のデータを作ることができるのでしょうか。

今回はその問題を解決するべく、データに存在しない日付を無理やり作り出して、値を埋めていきたいと思います。

日付データをComplete関数とseq.Date関数を使用して入力する

実は2つのRの関数を組み合わせることで、比較的シンプルにこの問題を解決することができます。

1つは’tidyr’パッケージの’complete’という関数。もう1つは’base R’パッケージの’seq.Date’という関数です。

そして、以下のようなRコマンドを作り、それを実行することになります。

complete(Date = seq.Date(<start_date>, <end_date>, by=<date_unit>))

まず、seq.Date関数は、最初の引数と２番目の引数に指定された期間の日付データを作ります。実際のデータから動的に最初の日と最後の日をとってきたいので、今回はmin関数とmax関数を使います。

さらに、どういう単位で日付データを作りたいのかを指定することができます。これが３番目のby=という引数です。今回は「日」の単位でデータを生成したいので、「day」を指定することになります。

complete(Date = seq.Date(min(Date), max(Date), by="day"))

カスタムRコマンドのステップを使う

それでは、上記のRコマンドを実際にExploratoryの中から実行してみましょう。

右側のデータラングリングのステップの上部にある「＋ (プラス)」ボタンを押して、「カスタムRコマンド」というメニューを選びます。

そして、上記のRコマンドを以下のようにコピペして、実行します。

これで、2017年10月1日から2017年12月10日までのすべての日付が入力されました。

しかし、問題が1つあります。新しく生成された日付のProduct列はNAになっていて、製品AかBかの区別がつきません。本来であれば、それぞれの製品ごとに日付が新しく生成されるべきです。

実はその場合は、先ほどのcompleteというコマンドに、このProductという列名を追加することで解決できます。

complete(Date = seq.Date(min(Date), max(Date), by="day"), Product)

実際のRコマンドはこのようになります。

これは、Date列とProduct列の値の全ての組み合わせに対して行を入力してくれます。Dateは、2017年10月1日から2017年12月10日までのすべての値です。Productの値はAとBです。つまり、10月1日から12月10日までの日付に対してProductのAとBが組み合わされた行ができるというわけです。