如何在R中将20分钟间隔的时序温度数据转为宽格式矩阵？

问题背景 #

拥有2019年时序温度数据集，包含date（日期）、time（时刻）、tmpc（温度）三列，数据为每日20分钟间隔的观测值，示例数据如下：

date       time  tmpc
1. 2019-01-01 00:15 3.11
2. 2019-01-01 00:35 3.22
3. 2019-01-01 00:55 3.28
4. 2019-01-01 01:15 3.28
5. 2019-01-01 01:35 3.28
6. 2019-01-01 01:55 3.28

需要将其转换为**行对应日期（共365行）、列对应时刻（共72列）**的矩阵，温度值需准确匹配对应日期与时刻。当前尝试创建矩阵时，行名显示为数字而非预期的日期，且不清楚如何填充数据。

尝试的代码：

a = matrix (data= NA, nrow = 365, ncol = 72)
colnames(a) = c("00:15", "00:35", "00:55", "01:15", "01:35", "01:55",
      "02:15", "02:35", "02:55", "03:15", "03:35", "03:55",
       "04:15", "04:35", "04:55", "05:15", "05:35", "05:55",
       "06:15", "06:35", "06:55", "07:15", "07:35", "07:55",
       "08:15", "08:35", "08:55", "09:15", "09:35", "09:55",
       "10:15", "10:35", "10:55", "11:15", "11:35", "11:55",
       "12:15", "12:35", "12:55", "13:15", "13:35", "13:55",
       "14:15", "14:35", "14:55", "15:15", "15:35", "15:55",
       "16:15", "16:35", "16:55", "17:15", "17:35", "17:55",
       "18:15", "18:35", "18:55", "19:15", "19:35", "19:55",
       "20:15", "20:35", "20:55", "21:15", "21:35", "21:55",
       "22:15", "22:35", "22:55", "23:15", "23:35", "23:55")
rownames(a) = c(seq.Date(as.Date("2019-01-01"), as.Date("2019-12-31"), by = "day"))    

解决方案 #

1. 解决行名显示为数字的问题 #

原代码中seq.Date()生成的是Date类型对象，直接赋值给矩阵行名时，R会自动将其转换为内部存储的数值（从1970-01-01开始的天数）。只需将Date对象转为字符型即可：

rownames(a) = as.character(seq.Date(as.Date("2019-01-01"), as.Date("2019-12-31"), by = "day"))

2. 填充矩阵数据（基础R方法） #

假设原始数据存储在名为df的数据框中，通过循环匹配日期和时刻，将温度值填入对应位置：

# 确保原始数据的date为Date类型，time为字符型
df$date <- as.Date(df$date)
df$time <- as.character(df$time)

# 遍历每一行数据，填充矩阵
for(i in 1:nrow(df)){
  # 找到对应日期的行索引
  row_idx <- which(rownames(a) == as.character(df$date[i]))
  # 找到对应时刻的列索引
  col_idx <- which(colnames(a) == df$time[i])
  # 赋值温度值
  a[row_idx, col_idx] <- df$tmpc[i]
}

3. 更高效的方法（使用tidyr包） #

借助tidyverse生态中的tidyr::pivot_wider函数，可以更简洁地完成宽表转换，同时自动补全所有日期：

library(tidyverse)

# 预处理数据类型
df <- df %>%
  mutate(date = as.Date(date),
         time = as.character(time))

# 生成2019年所有日期
full_dates <- tibble(date = seq.Date(as.Date("2019-01-01"), as.Date("2019-12-31"), by = "day"))

# 转换为宽表并补全所有日期
wide_temp <- full_dates %>%
  left_join(df, by = "date") %>%
  pivot_wider(names_from = time, values_from = tmpc) %>%
  column_to_rownames(var = "date")

# 转换为矩阵
temp_matrix <- as.matrix(wide_temp)

此方法无需手动创建空矩阵，直接从原始数据转换得到目标矩阵，缺失的观测值会自动填充为NA。

内容的提问来源于stack exchange，提问作者sehne