如何在R中实现Stata的expand功能按工作年份扩展数据行？

我有一份包含参与者ID、工作编号、工作开始日期、工作结束日期的数据集，想要为每份工作的每个工作年份新增一行。已知Stata中可以用expand finish_time-start_time + 1实现，但我用R语言，不知道怎么实现相同需求。

示例数据 #

data <- data.frame(id = c(1,1,2,3),
                   job = c(1,2,1,1),
                   start_time = seq(as.Date('2017-01-01'), as.Date('2020-01-01'), by = 'years'),
                   finish_time = seq(as.Date('2020-12-01'), as.Date('2023-12-01'), by = 'years'))

预期输出 #

每条原始数据行扩展为对应年份数量的行，新增expand列标记序号，示例格式如下：

解决方案 #

方法1：使用tidyverse（dplyr + tidyr） #

通过计算年份差生成扩展次数，再拆分列表实现行扩展：

library(tidyverse)

data_expanded <- data %>%
  # 计算需扩展的行数（年份差+1）
  mutate(expand_count = lubridate::year(finish_time) - lubridate::year(start_time) + 1) %>%
  # 生成每行对应的序号列表
  mutate(expand = map(expand_count, ~1:.x)) %>%
  # 拆分列表为多行
  unnest(expand) %>%
  # 移除临时计算列
  select(-expand_count)

print(data_expanded)

若不想依赖lubridate，可替换年份提取逻辑为：as.POSIXlt(start_time)$year + 1900。

方法2：使用base R #

无需额外包，通过行索引重复和序号生成实现：

# 计算每行扩展行数
expand_counts <- as.integer(format(data$finish_time, "%Y")) - as.integer(format(data$start_time, "%Y")) + 1

# 生成重复的行索引
row_indices <- rep(seq(nrow(data)), expand_counts)

# 扩展数据框并添加序号列
data_expanded_base <- data[row_indices, ]
data_expanded_base$expand <- unlist(lapply(expand_counts, seq_len))

print(data_expanded_base)

方法3：使用data.table（大数据高效处理） #

针对大型数据集，data.table的实现速度更优：

library(data.table)

setDT(data)[, .(expand = 1:(year(finish_time) - year(start_time) + 1)), 
            by = .(id, job, start_time, finish_time)]

内容的提问来源于stack exchange，提问作者Miquel Vallbona