R语言中将长格式数据转换为数组而非宽表的实现方法

先看原始数据：

test_df <- data.frame(
  dates = c(19801230,19801231,19801231,19810101), 
  ID = c(101,101,102,102), 
  var1 = 0:3, 
  var2 = 5:8
)

下面给三种可行方案，避开复杂的维度匹配问题：

方案1：tidyr + abind 分步构建 #

先把每个变量转成宽表，再合并成三维数组：

library(tidyr)
library(abind)

# 定义要转换的变量列表
target_vars <- c("var1", "var2")

# 逐个生成变量对应的宽表（行=日期，列=ID，缺值填NA）
wide_tables <- lapply(target_vars, function(var) {
  pivot_wider(test_df,
              id_cols = dates,
              names_from = ID,
              values_from = all_of(var),
              values_fill = NA) %>%
    column_to_rownames("dates") %>%
    as.matrix()
})

# 按第三个维度合并成数组，添加维度名称
final_array <- abind(wide_tables, along = 3)
dimnames(final_array) <- list(
  dates = unique(test_df$dates),
  ID = unique(test_df$ID),
  variables = target_vars
)

# 查看结果
final_array

方案2：reshape2 一键生成（最简洁） #

用acast直接从长格式转三维数组，一步到位：

library(reshape2)

# 先把数据熔化为更长格式（每个变量的观测单独一行）
melted_data <- melt(test_df, id.vars = c("dates", "ID"))

# 生成三维数组，指定行=dates，列=ID，第三维度=variable，缺值填充NA
final_array2 <- acast(melted_data, dates ~ ID ~ variable, fill = NA)

# 查看结果
final_array2

方案3：纯基础R手动实现（无依赖） #

不想装包的话，手动初始化数组再填充值：

# 获取所有唯一的日期、ID和变量
unique_dates <- unique(test_df$dates)
unique_ids <- unique(test_df$ID)
target_vars <- c("var1", "var2")

# 初始化空数组，设置维度和名称
final_array3 <- array(
  NA,
  dim = c(length(unique_dates), length(unique_ids), length(target_vars)),
  dimnames = list(
    dates = unique_dates,
    ID = unique_ids,
    variables = target_vars
  )
)

# 循环填充每个变量的数值
for (i in seq_along(target_vars)) {
  current_var <- target_vars[i]
  # 提取当前变量的日期、ID和对应值
  sub_data <- test_df[, c("dates", "ID", current_var)]
  # 匹配行和列的索引位置
  row_pos <- match(sub_data$dates, unique_dates)
  col_pos <- match(sub_data$ID, unique_ids)
  # 填充到数组对应位置
  final_array3[row_pos, col_pos, i] <- sub_data[[current_var]]
}

# 查看结果
final_array3

三个方案都能得到你要的结构：每个变量对应数组的一层二维表，行是所有日期，列是所有ID，缺失值自动填充NA。

内容的提问来源于stack exchange，提问作者oibaFox