R语言中如何高效拆分多州分钟级数据为带补零的日度分组时间序列

先说明之前使用melt/gather操作失败的核心原因：你当前的原始数据本身就是长表结构（每行对应单条单州的分钟级观测），而melt/gather是宽表转长表的函数，对已有的长表做宽转长操作必然得不到预期结果。

核心处理步骤 #

• 数据读取与时间格式转换
  用readxl::read_excel()直接读入已删除冗余列的原Excel表，将原表中的分钟级时间戳通过lubridate::as_date()转换为日度日期标识，不需要修改原始分钟记录的结构。
• 日度频率聚合
  按state和转换后的日度日期分组，对分钟级观测值做聚合（可根据观测含义选择求和、取平均等逻辑），得到初步的州级日度统计值。
• 缺失日期自动补零
  先自动计算全数据覆盖的最早到最晚的连续日期范围，通过tidyr::complete()函数为每个州匹配所有应该覆盖的日期，无观测记录的位置直接按要求填充为0，不需要手动逐行判断缺失值。
• 州级独立时间序列生成
  不需要手动逐州筛选导出独立文件，通过dplyr::group_split()按state自动拆分，每个州的完整时间序列会被自动存储到列表元素中，可随时调用。

关键参数匹配你的需求 #

• 支持的state取值范围直接指定为1:51，适配你当前的州编码规则，不会漏拆任意一个州
• 日期范围自动生成，不需要手动输入起止日期
• 缺失值填充逻辑通过fill参数直接绑定观测列值为0，没有额外的缺失值转码步骤
• 最终输出的长表结构完全适配ggplot的绘图逻辑，不需要额外做格式转换

完整可运行代码 #

# 加载依赖包
library(readxl)
library(lubridate)
library(dplyr)
library(tidyr)

# 1. 读入已清洗冗余列的原Excel文件
raw_minute_data <- read_excel("你的原始文件存储路径.xlsx")

# 2. 生成日度日期标识
raw_minute_data <- raw_minute_data %>% 
  mutate(observation_date = as_date(你的分钟级时间戳列名称))

# 3. 按州+日期做日度聚合
daily_state_data <- raw_minute_data %>% 
  group_by(state, observation_date) %>% 
  summarise(
    daily_agg_value = mean(你的分钟级观测值列名称), # 可替换为sum()等符合业务的聚合函数
    .groups = "drop"
  )

# 4. 补全所有州的全量连续日期，缺失值自动填0
full_daily_state_data <- daily_state_data %>% 
  complete(
    state = 1:51,
    observation_date = seq(
      from = min(daily_state_data$observation_date),
      to = max(daily_state_data$observation_date),
      by = "day"
    ),
    fill = list(daily_agg_value = 0)
  )

# 5. 自动拆分每个州的独立时间序列（存储在列表中，无手动操作）
state_time_series_list <- full_daily_state_data %>% 
  group_split(state, .keep = TRUE)

适配ggplot并列对比的实现 #

不需要将拆分后的独立时间序列逐个循环画图，直接使用最终的长表数据即可自动生成所有州的并列子图：

library(ggplot2)
ggplot(full_daily_state_data, aes(x = observation_date, y = daily_agg_value)) +
  geom_line(linewidth = 0.8) +
  facet_wrap(~state, ncol = 3) + # 自动排列51个州的独立时间序列子图
  labs(x = "观测日期", y = "日度聚合观测值")

内容的提问来源于stack exchange，提问作者Cherry