在R中实现类Excel INDEX MATCH，提取各国最新通胀有效数据

方法一：使用tidyverse工具（推荐，代码更简洁易读） #

先把宽格式的dta转成长格式，再按国家分组筛选最新非NA数据，最后合并到new_frm中：

# 先安装并加载tidyverse包（未安装则运行install.packages("tidyverse")）
library(tidyverse)

# 1. 将宽表转长表，移除通胀值为NA的行
long_dta <- dta %>%
  pivot_longer(cols = -日期, names_to = "Country", values_to = "Inflation") %>%
  drop_na(Inflation)

# 2. 按国家分组，取最新日期的非NA通胀值
latest_inflation <- long_dta %>%
  group_by(Country) %>%
  arrange(desc(日期)) %>% # 按日期降序排序
  slice(1) %>% # 取每组第一行（最新数据）
  ungroup() %>%
  select(Country, Inflation)

# 3. 合并到new_frm，填充Latest列
new_frm <- new_frm %>%
  left_join(latest_inflation, by = "Country") %>%
  rename(Latest = Inflation)

方法二：基础R实现（无需额外包） #

如果不想加载tidyverse，用基础R循环处理每个国家列：

# 获取所有国家列名（排除日期列）
countries <- setdiff(colnames(dta), "日期")

# 循环提取每个国家的最新非NA通胀值
latest_values <- sapply(countries, function(country) {
  # 筛选该国家非NA的行
  non_na_rows <- dta[!is.na(dta[[country]]), ]
  if (nrow(non_na_rows) == 0) return(NA) # 全为NA时返回NA
  
  # 按日期降序排序，取第一行的通胀值
  sorted_rows <- non_na_rows[order(non_na_rows$日期, decreasing = TRUE), ]
  sorted_rows[1, country]
})

# 转成数据框并合并到new_frm
latest_df <- data.frame(Country = names(latest_values), Latest = latest_values)
new_frm <- merge(new_frm, latest_df, by = "Country", all.x = TRUE)

注意事项 #

• 如果你的日期列不是日期格式，先执行dta$日期 <- as.Date(dta$日期)，确保排序逻辑正确。
• 若某个国家的通胀数据全为NA，代码会在Latest列填充NA，可根据需求修改（比如替换为0或特定标记）。

内容的提问来源于stack exchange，提问作者Ryan Walter