如何在R中将起止年份事件数据集转换为面板数据集？

先修正原数据笔误 #

原数据中第3行的end_year值20010应为2010，先修正数据：

# 修正后的原始数据
project_id <- c(1,2,3,4)
district_id <- c(5,6,7,8)
start_year <- c(2000, 2011, 2006, 2004)
end_year   <- c(2002, 2020, 2010, 2015)  # 修正20010为2010
sector     <- c("education", "infrastructure", "education", "infrastructure")

df <- data.frame(project_id, district_id, start_year, end_year, sector)

方法1：使用tidyverse工具（适合常规规模数据） #

利用dplyr分组+tidyr的unnest()函数，将每个项目的起止年份序列展开为单独行：

library(tidyverse)

panel_df <- df %>%
  # 为每个项目生成从start_year到end_year的年份序列
  mutate(year = map2(start_year, end_year, seq)) %>%
  # 将年份序列拆分为单独行
  unnest(year) %>%
  # 移除不再需要的起止年份列
  select(-start_year, -end_year) %>%
  # 按district_id和year排序（可选）
  arrange(district_id, year)

# 查看结果
print(panel_df)

方法2：使用data.table（适合超大规模数据集） #

data.table的展开操作效率远高于tidyverse，处理百万级数据更高效：

library(data.table)

# 转换为data.table格式
dt <- as.data.table(df)

# 生成面板数据
panel_dt <- dt[, .(year = seq(start_year, end_year)), 
               by = .(project_id, district_id, sector)] %>%
  setorder(district_id, year)

# 查看结果
print(panel_dt)

目标输出示例（以项目3为例） #

project_id district_id year    sector
1          3           7 2006 education
2          3           7 2007 education
3          3           7 2008 education
4          3           7 2009 education
5          3           7 2010 education

内容的提问来源于stack exchange，提问作者KC15