如何在R语言中根据退市日期清理DataFrame中的资产数据？

需求说明 #

给定含日期列与多资产收益指数列的宽表DataFrame，以及记录各资产退市日期的DataFrame，需将日期晚于对应资产退市日期的观测值设为NA；未退市（退市日期为NA）的资产保留原始数据。

示例数据构造 #

先将示例数据转换为R可处理的格式，并统一日期类型（关键：字符串日期需转为Date类型，确保日期比较逻辑准确）：

library(dplyr)
library(tidyr)

# 资产收益数据
asset_data <- tibble(
  DATE = c("1/1/2000", "2/1/2000", "3/1/2000", "4/1/2000", "5/1/2000"),
  Asset_1 = c(1000, 1100, 1200, 1200, 1200),
  Asset_2 = c(300, 350, 330, 360, 370),
  Asset_3 = c(2900, 2950, 2970, 3000, 3500),
  Asset_4 = c(NA, NA, 100, 200, 300)
) %>%
  mutate(DATE = as.Date(DATE, format = "%m/%d/%Y"))

# 退市日期数据
delist_dates <- tibble(
  ASSET_CODE = c("Asset_1", "Asset_2", "Asset_3", "Asset_4"),
  DELIST_DATE = c("3/1/2000", NA, NA, NA)
) %>%
  mutate(DELIST_DATE = as.Date(DELIST_DATE, format = "%m/%d/%Y"))

核心处理逻辑（tidyverse方案） #

通过宽表转长表→匹配退市日期→逻辑判断→转回宽表的流程实现需求，适合大量资产列的场景：

processed_data <- asset_data %>%
  # 宽表转长表，将各资产列转为"资产代码-数值"的行结构
  pivot_longer(cols = starts_with("Asset_"), 
               names_to = "ASSET_CODE", 
               values_to = "VALUE") %>%
  # 左连接退市日期表，匹配对应资产的退市日期
  left_join(delist_dates, by = "ASSET_CODE") %>%
  # 执行判断：仅当存在退市日期且当前日期晚于退市日期时，将数值设为NA
  mutate(VALUE = ifelse(!is.na(DELIST_DATE) & DATE > DELIST_DATE, NA, VALUE)) %>%
  # 移除冗余列，转回宽表格式
  select(-DELIST_DATE) %>%
  pivot_wider(names_from = "ASSET_CODE", values_from = "VALUE")

# 查看结果
print(processed_data)

执行后输出的processed_data与期望结果完全一致。

超大型数据优化方案（data.table） #

若处理的是超大型数据集，推荐使用data.table提升效率：

library(data.table)

# 转换为data.table格式
setDT(asset_data)
setDT(delist_dates)

# 宽表转长表
asset_long <- melt(asset_data, id.vars = "DATE", variable.name = "ASSET_CODE", value.name = "VALUE")

# 匹配退市日期并执行NA替换
asset_long[delist_dates, on = "ASSET_CODE", DELIST_DATE := i.DELIST_DATE]
asset_long[!is.na(DELIST_DATE) & DATE > DELIST_DATE, VALUE := NA]

# 转回宽表
processed_data_dt <- dcast(asset_long, DATE ~ ASSET_CODE, value.var = "VALUE")

内容的提问来源于stack exchange，提问作者datgoaltho