如何在R中将含时间序列的data.frame转为索引化紧凑格式？

针对你提供的宽格式时间序列数据框，以下是用data.table、zoo和xts包实现的简洁转换方案，无需手动循环或复杂的apply操作：

1. data.table 一行代码（推荐） #

data.table的melt函数可以快速完成宽转长，同时直接过滤NA值，代码简洁高效：

library(data.table)
setDT(df)[, melt(.SD, id.vars = "Date", variable.name = "Period", value.name = "Value")][!is.na(Value)]

• setDT(df)：将普通data.frame转换为data.table对象，支持链式操作
• melt(.SD, ...)：将除Date外的列转为长格式，指定新列名为Period（原列名）和Value（对应数值）
• [!is.na(Value)]：直接过滤掉数值为NA的行，得到紧凑的索引化格式

2. zoo 实现方案 #

借助zoo的时间序列处理能力，结合tidyr的转置函数实现：

library(zoo)
library(tidyr)
library(dplyr)
filter(pivot_longer(as.data.frame(read.zoo(df, index.column = "Date")), cols = everything(), names_to = "Period", values_to = "Value"), !is.na(Value))

• read.zoo(df, index.column = "Date")：将data.frame转为zoo时间序列对象
• pivot_longer：将宽格式转为长格式
• filter(!is.na(Value))：过滤NA值行

3. xts 实现方案 #

xts基于zoo实现，转换思路类似：

library(xts)
library(tidyr)
library(dplyr)
filter(pivot_longer(as.data.frame(as.xts(df[,-1], order.by = df$Date)), cols = everything(), names_to = "Period", values_to = "Value"), !is.na(Value))

• as.xts(df[,-1], order.by = df$Date)：将数值列转为xts时间序列对象，以Date为索引
• 后续步骤同zoo方案，转长格式并过滤NA值

内容的提问来源于stack exchange，提问作者Dan