如何用R将100+CSV文件合并为xts格式时间序列？

Hey there! 我之前帮朋友处理过几乎一模一样的需求——批量把结构一致的CSV转成xts时间序列，方便用quantmod和PerformanceAnalytics做分析。给你分享两个亲测靠谱的方案，还附了我踩过的坑的注意事项～

首先得加载需要的R包，这些都是处理时间序列和批量文件的核心工具：

library(xts)
library(quantmod)
library(PerformanceAnalytics)
# 选一个文件读取包，readr更友好，data.table更快（推荐100+文件用这个）
library(readr)
# 或者 library(data.table)

适合新手快速上手，代码逻辑直白易懂：

1. 获取所有CSV文件路径
   先把当前目录下的所有CSV文件路径都捞出来：

csv_files <- list.files(pattern = "\\.csv$", full.names = TRUE)

2. 批量读取并预处理数据
   写个小函数，把每个CSV读成数据框，同时把时间列转成xts需要的日期格式，还给数据列加上文件名前缀（避免合并后列名重复，比如ABC.csv的Close列变成ABC_Close）：

read_csv_to_df <- function(file_path) {
  df <- read_csv(file_path) # 用read.csv也可以，readr支持更多格式
  # 假设你的时间列叫"Date"，如果是其他名称（比如"Timestamp"）直接替换
  df$Date <- as.Date(df$Date)
  # 给非时间列加文件名前缀
  non_date_cols <- colnames(df)[colnames(df) != "Date"]
  colnames(df)[colnames(df) != "Date"] <- paste0(
    gsub("\\.csv$", "", basename(file_path)), "_", non_date_cols
  )
  return(df)
}

# 批量处理所有文件
df_list <- lapply(csv_files, read_csv_to_df)

3. 合并数据并转成xts
   把所有数据框按日期合并，再转换成xts对象：

# 按Date列合并所有数据框
merged_df <- Reduce(function(x, y) merge(x, y, by = "Date", all = TRUE), df_list)

# 转成xts：把非时间列作为数据，Date列作为索引
xts_data <- xts(merged_df[, -which(colnames(merged_df) == "Date")], 
                order.by = merged_df$Date)

如果你的CSV文件比较大、数量多（100+其实已经适合用这个了），data.table的fread函数读取速度比base R快很多，能节省不少时间：

library(data.table)

# 批量读取+预处理
dt_list <- lapply(csv_files, function(file) {
  dt <- fread(file)
  dt[, Date := as.Date(Date)] # 同样替换成你的时间列名
  # 加文件名前缀
  non_date_cols <- colnames(dt)[colnames(dt) != "Date"]
  setnames(dt, non_date_cols, paste0(
    gsub("\\.csv$", "", basename(file)), "_", non_date_cols
  ))
  return(dt)
})

# 合并数据.table
merged_dt <- Reduce(function(x, y) merge(x, y, by = "Date", all = TRUE), dt_list)

# 转xts
xts_data <- xts(merged_dt[, !"Date"], order.by = merged_dt$Date)

• 时间列格式统一：如果你的CSV里日期是MM/DD/YYYY这种格式，记得在as.Date里指定格式，比如as.Date(df$Date, format = "%m/%d/%Y")；如果是带时间戳的（比如YYYY-MM-DD HH:MM:SS），用as.POSIXct代替as.Date。
• 缺失值处理：合并后可能会出现NA（比如某个日期有的文件有数据有的没有），可以用na.omit(xts_data)直接删除缺失行，或者用na.fill(xts_data, "last")用前一个有效值填充。
• 单数据列简化：如果每个CSV只有Date和一个数据列（比如每个文件对应一个资产的收盘价），可以直接把每个文件转成xts再合并，代码更简洁：

xts_list <- lapply(csv_files, function(file) {
  df <- read_csv(file)
  xts_obj <- xts(df$Close, order.by = as.Date(df$Date))
  colnames(xts_obj) <- gsub("\\.csv$", "", basename(file))
  return(xts_obj)
})

xts_data <- do.call(merge, xts_list)

转好xts后，可以用quantmod和PerformanceAnalytics的函数验证一下：

# 查看xts对象结构
str(xts_data)

# 计算对数收益率
returns <- Return.calculate(xts_data, method = "log")

# 画累计收益率曲线
chart.CumReturns(returns, legend.loc = "topleft", main = "累计收益率曲线")

内容的提问来源于stack exchange，提问作者toyo10