如何将非标准化时间值列表转换为标准mxn矩阵格式？

我有一组非标准化的时间与值列表，不同数据元素的赋值时间不一致，部分元素在t=1,3,5时赋值，其他元素则在t=2,4,6,8时赋值。需要将这些值转换为标准mxn矩阵格式，可接受用NA填充空缺，但更希望对缺失值进行插补。

示例数据生成代码：

set.seed(1)
ids <- 1:5

# 基于时间生成新值的函数，依赖前一个值
age_fn <- function(prior_value, age) prior_value - 1.2*age

my_list <- list()
for(i in 1:length(ids))
{
  # 每个id的记录数
  N <- sample(c(2:4), 1, replace=TRUE)
  
  # 生成时间步长（第一个记录在t=0，所以减1）
  time_step <- sample(c(1:3), N-1, replace=TRUE)
  # 记录时间点
  t <- rep(0, times=N)
  for(n in 2:N)
  {
    t[n] <- t[n-1] + time_step[n-1]
  }
  
  # 生成对应时间点的值
  value <- rep(100, times=N)
  for(n in 2:N)
  {
    value[n] <- age_fn(value[n-1], t[n])
  }
  
  my_list[[i]] <- list(ids[i], t, value)
}

部分示例数据：

> my_list

[[3]]
[[3]][[1]]
[1] 3

[[3]][[2]]
[1] 0 3

[[3]][[3]]
[1] 100.0  96.4


[[4]]
[[4]][[1]]
[1] 4

[[4]][[2]]
[1] 0 2 4 7

[[4]][[3]]
[1] 100.0  97.6  92.8  84.4

期望输出（以id3和id4为例，转换为2x8的[元素, t]矩阵，缺失值用前序值填充）：

0   1     2    3    4    5    6    7
values1 100 100 100.0 96.4 96.4 96.4 96.4 96.4
values2 100 100  97.6 97.6 92.8 92.8 92.8 84.4

步骤1：确定目标时间范围 #

先明确需要覆盖的时间点（示例中为t=0到7）：

# 指定目标时间点
target_times <- 0:7

步骤2：处理单个元素数据，生成对齐后的序列 #

针对每个元素，将现有时间-值对与目标时间对齐，用向前填充补全缺失值（即保留最近一次的有效值）：

process_id <- function(id_data, target_t) {
  # 提取id、时间、值
  id <- id_data[[1]]
  t <- id_data[[2]]
  value <- id_data[[3]]
  
  # 创建包含所有目标时间的数据框
  full_df <- data.frame(t = target_t)
  # 合并现有数据
  full_df <- merge(full_df, data.frame(t = t, value = value), by = "t", all.x = TRUE)
  # 向前填充缺失值（需zoo包支持）
  full_df$value <- zoo::na.locf(full_df$value)
  
  # 返回命名向量，方便后续组合
  setNames(full_df$value, target_t)
}

若未安装zoo包，先执行install.packages("zoo")完成安装。

步骤3：批量处理并转换为矩阵 #

将所有元素处理后组合成标准矩阵：

library(zoo)

# 批量处理所有元素
processed_list <- lapply(my_list, process_id, target_t = target_times)

# 转换为矩阵，行对应元素，列对应时间点
result_matrix <- do.call(rbind, processed_list)
# 设置行列名称
rownames(result_matrix) <- paste0("values", sapply(my_list, function(x) x[[1]]))
colnames(result_matrix) <- target_times

# 查看示例元素的结果
result_matrix[c("values3", "values4"), ]

运行后输出与期望一致：

0   1     2    3    4    5    6    7
values3 100 100 100.0 96.4 96.4 96.4 96.4 96.4
values4 100 100  97.6 97.6 92.8 92.8 92.8 84.4

可选：仅用NA填充不插补 #

若不需要插补，仅保留NA填充空缺，修改处理函数即可：

process_id_na <- function(id_data, target_t) {
  id <- id_data[[1]]
  t <- id_data[[2]]
  value <- id_data[[3]]
  
  full_df <- data.frame(t = target_t)
  full_df <- merge(full_df, data.frame(t = t, value = value), by = "t", all.x = TRUE)
  
  setNames(full_df$value, target_t)
}

# 生成含NA的矩阵
na_matrix <- do.call(rbind, lapply(my_list, process_id_na, target_t = target_times))
rownames(na_matrix) <- paste0("values", sapply(my_list, function(x) x[[1]]))
colnames(na_matrix) <- target_times

内容的提问来源于stack exchange，提问作者coolhand