如何在R数据框中对每行4列日期排序并生成时序新列

先构造示例数据 #

先模拟你描述的宽格式数据（包含缺失日期的情况）：

df <- data.frame(
  ID = c(1, 2),
  date1 = as.Date(c("2021-08-17", "2020-01-01")),
  date2 = as.Date(c("2022-08-02", NA)),
  date3 = as.Date(c("2021-12-12", "2022-05-05")),
  date4 = as.Date(c("2022-03-15", "2021-11-11"))
)

方案一：Base R 原生方法（无需额外包） #

直接用apply逐行处理日期列，排序后补全缺失值到4列：

# 筛选所有日期列
date_cols <- grep("^date", names(df), value = TRUE)
# 逐行排序，生成新列
df[paste0("newcol", 1:4)] <- t(apply(df[date_cols], 1, function(x) {
  # 按日期升序排序，缺失值放在最后
  x_sorted <- sort(x, na.last = TRUE)
  # 强制长度为4，不足的位置用NA填充
  length(x_sorted) <- 4
  x_sorted
}))

方案二：tidyverse 工具链（更直观的数据流） #

如果你习惯用dplyr和tidyr，可以先转长格式排序，再转回宽格式：

library(tidyverse)

df_sorted <- df %>%
  # 把日期列转成长格式
  pivot_longer(cols = starts_with("date"), names_to = "old_col", values_to = "date") %>%
  # 按ID和日期排序
  arrange(ID, date) %>%
  # 按ID分组，给每个日期分配排序后的列名
  group_by(ID) %>%
  mutate(new_col = paste0("newcol", row_number())) %>%
  # 转回宽格式
  pivot_wider(names_from = new_col, values_from = date) %>%
  ungroup() %>%
  # 和原数据合并，保留ID和其他非日期列
  left_join(df, ., by = "ID")

两种方法都能实现需求：每行的日期按从早到晚的顺序，分别放入newcol1到newcol4，缺失的位置自动补NA。

内容的提问来源于stack exchange，提问作者Bob Vila