如何在R中合并国家数据集并提取每月首个可用日期的死亡数据

以下是可直接运行的实现代码，适配你的需求：

# 依赖包安装：如果未安装先运行 install.packages(c("tidyverse", "lubridate"))
library(tidyverse)
library(lubridate) # 用于日期处理，tidyverse部分版本默认不加载，建议单独引入

# -------------------------- 样例数据集构造，你可以替换为自己的数据集 --------------------------
# 人口数据集：对应你说的第一个数据集
df_pop <- tibble(
  country = c("中国", "美国", "日本"),
  population = c(1411750000, 333287557, 125700000)
)

# 死亡统计数据集：对应你说的第二个数据集
df_death <- tibble(
  country = rep(c("中国", "美国", "日本"), each = 20),
  date = seq.Date(as.Date("2023-01-01"), as.Date("2023-06-30"), by = "day") %>% sample(60, replace = T),
  deaths = sample(10:1000, 60, replace = T)
)
# ------------------------------------------------------------------------------------------

# 核心处理逻辑
df_result <- df_death %>%
  # 标准化日期格式，生成年月分组标识
  mutate(
    date = ymd(date),
    year_month = floor_date(date, unit = "month")
  ) %>%
  # 按国家+年月分组，取每组日期最早的一条死亡记录
  group_by(country, year_month) %>%
  arrange(date) %>%
  slice_head(n = 1) %>%
  ungroup() %>%
  # 长表转宽表，生成单独的月度死亡数字段
  pivot_wider(
    id_cols = country,
    names_from = year_month,
    values_from = deaths,
    # 自定义字段名格式，以下配置生成 deaths_202301 这类格式的字段，可按需调整
    names_glue = "deaths_{format(year_month, '%Y%m')}"
  ) %>%
  # 和人口数据集按国家关联
  left_join(df_pop, by = "country") %>%
  # 调整字段顺序，人口字段放在最前
  select(country, population, everything())

处理完成的输出格式（以2个月份为例）如下：

注意事项 #

• 如果某个国家某个月无任何死亡记录，对应字段会自动填充为NA，可后续通过replace_na函数自定义填充值
• 无需提前限定月份范围，代码会自动提取死亡数据集中所有存在的月份生成对应字段
• 若需用base R实现，核心逻辑为用aggregate取每月最小日期的记录，再用reshape转宽表后合并即可

内容的提问来源于stack exchange，提问作者Posh