如何用R将含缺失行列的非方阵网络数据转为方阵？

当然可以！在R里有好几种高效的方法能自动帮你把这种缺失行列的矩阵补成完整方阵，完全不用手动操作，特别适合大数据量的场景。我给你两种常用的实现方式：

方法一：Base R 原生实现 #

这种方法不需要额外安装包，用R自带的函数就能完成，适合不想引入第三方依赖的场景：

# 1. 构造你的原始数据（实际使用时可以用read.csv/read.table读取外部数据）
original_df <- data.frame(
  row = c("A", "B", "D", "E"),
  A = c(0, 1, 2, 1),
  B = c(2, 0, 4, 2),
  C = c(1, 2, 0, 2),
  D = c(4, 4, 2, 2),
  E = c(5, 2, 2, 0)
)

# 2. 获取完整的行列标签集合（所有行名和列名的并集）
full_labels <- unique(c(original_df$row, colnames(original_df)[-1]))

# 3. 创建一个空的NA方阵，指定行列名称
square_mat <- matrix(
  NA, 
  nrow = length(full_labels), 
  ncol = length(full_labels),
  dimnames = list(full_labels, full_labels)
)

# 4. 将原始数据填充到方阵对应的位置
square_mat[original_df$row, colnames(original_df)[-1]] <- as.matrix(original_df[, -1])

# 转换为data.frame查看结果（可选）
square_df <- as.data.frame(square_mat)

运行后square_df就是你想要的完整方阵，缺失的行（比如C行）会自动填充NA。

方法二：Tidyverse 简洁实现 #

如果你习惯用tidyverse生态的工具，代码会更简洁直观，处理大数据量的效率也很高：

首先确保你已经安装了tidyverse包：install.packages("tidyverse")，然后执行以下代码：

library(tidyverse)

# 1. 构造原始数据（同样可替换为读取外部数据的代码）
original_df <- tibble(
  row = c("A", "B", "D", "E"),
  A = c(0, 1, 2, 1),
  B = c(2, 0, 4, 2),
  C = c(1, 2, 0, 2),
  D = c(4, 4, 2, 2),
  E = c(5, 2, 2, 0)
)

# 2. 获取完整的行列标签集合
full_labels <- unique(c(original_df$row, colnames(original_df)[-1]))

# 3. 补全缺失行并整理成方阵
square_df <- original_df %>%
  complete(row = full_labels) %>%  # 自动补全所有缺失的行，缺失值填充NA
  column_to_rownames("row") %>%    # 将row列转换为行名
  select(all_of(full_labels))      # 确保列顺序与完整标签一致

这个方法的核心是complete()函数，它会自动识别并补全所有缺失的行，非常适合处理这种行列标签不完整的情况。

两种方法都能高效处理大数据量，完全不需要手动干预，你可以根据自己的习惯选择使用。

内容的提问来源于stack exchange，提问作者IMJ