将含多日期列的时间序列数据集转换为单日期列数据集或zoo对象

方法一：使用tidyverse进行数据重塑 #

利用pivot_longer的正则匹配功能，直接将成对的日期-变量列转换为统一格式：

# 加载示例数据
df <- data.frame(
  date1 = as.Date(c("2023-01-13", "2023-01-16", "2023-01-17", "2023-01-18", "2023-01-19")),
  Var1 = c(100.1, 104.5, 101.6, 101.8, NA),
  date2 = as.Date(c("2023-01-11", "2023-01-12", "2023-01-13", "2023-01-16", "2023-01-17")),
  Var2 = c(99.7, NA, 99.9, 99.1, 99.5),
  date3 = as.Date(c("2022-11-24", "2022-11-25", "2022-11-28", "2022-11-29", "2022-11-30")),
  Var3 = c(102.3, 99.9, 99.3, NA, NA)
)

library(tidyverse)

# 重塑为单一日期列格式
long_df <- df %>%
  pivot_longer(
    cols = everything(),
    names_to = c(".value", "series"),
    names_pattern = "(date|Var)(\\d+)"
  ) %>%
  rename(date = date, value = Var) %>%
  drop_na(value) # 按需保留/移除NA值

# 查看结果
print(long_df)

执行后会得到包含date（统一日期列）、series（序列编号）、value（对应变量值）的长格式DataFrame。

方法二：使用zoo包构造时间序列对象 #

适合需要直接生成zoo时间序列的场景，自动对齐所有日期：

library(zoo)

# 为每个序列单独创建zoo对象
z1 <- zoo(df$Var1, df$date1)
z2 <- zoo(df$Var2, df$date2)
z3 <- zoo(df$Var3, df$date3)

# 合并所有zoo对象，自动补全缺失日期的NA值
merged_zoo <- merge(z1, z2, z3, all = TRUE)
colnames(merged_zoo) <- c("Var1", "Var2", "Var3")

# 可选：转换为带日期列的DataFrame
merged_df <- as.data.frame(merged_zoo)
merged_df$date <- index(merged_zoo)
merged_df <- merged_df %>% select(date, everything())

# 查看结果
print(merged_zoo)
print(merged_df)

批量处理大型数据集 #

如果数据集包含大量序列，可通过循环批量生成并合并zoo对象：

# 计算序列数量（总列数/2）
series_count <- ncol(df) %/% 2
zoo_list <- list()

for(i in 1:series_count) {
  date_col <- paste0("date", i)
  var_col <- paste0("Var", i)
  zoo_list[[i]] <- zoo(df[[var_col]], df[[date_col]])
}

# 合并所有zoo对象
merged_zoo <- do.call(merge, c(zoo_list, all = TRUE))
colnames(merged_zoo) <- paste0("Var", 1:series_count)

内容的提问来源于stack exchange，提问作者Bertrand G