R语言Filtering Data Frames：提取股票无交易日期（NA值）的方法

首先，你遇到的核心问题是**原始数据集的宽格式结构（以及可能的混合首行）**不太适合用subset直接处理，我们需要先把数据转成更易用的长格式，再筛选NA值。下面分两种常见情况给你一步步的解决方案：

情况1：数据集是标准宽格式（股票在行，日期在列） #

如果你的数据是类似下面的结构（第一列是股票代码，其他列是日期，单元格是价格，NA代表未交易）：

# 模拟你的数据集
df <- data.frame(
  Stock = c("AAPL", "MSFT", "AMZN"),
  "2023-01-01" = c(150, 300, NA),
  "2023-01-02" = c(NA, 301, 145),
  "2023-01-03" = c(152, NA, 147)
)

步骤1：转成长格式 #

我们用tidyr包的pivot_longer函数把宽格式转成“股票-日期-价格”的长格式，这是处理这类问题的关键：

# 先安装并加载tidyr（如果没装过的话）
install.packages("tidyr")
library(tidyr)

# 转成长格式
long_df <- pivot_longer(
  df,
  cols = -Stock,  # 除了Stock列，其他都是日期列
  names_to = "Date",  # 把列名转成Date列
  values_to = "Price"  # 把单元格值转成Price列
)

步骤2：筛选NA并生成目标格式 #

现在就可以用subset（或者dplyr::filter）筛选出价格为NA的行，再用paste0拼接成stock|date的格式：

# 筛选NA值，生成结果
untraded_dates <- subset(long_df, is.na(Price)) |>
  mutate(output = paste0(Stock, "|", Date)) |>
  pull(output)

# 查看结果
print(untraded_dates)

运行后会输出：

[1] "AAPL|2023-01-02" "AMZN|2023-01-01" "MSFT|2023-01-03"

情况2：首行确实混合了股票代码和日期 #

如果你的数据集首行是股票代码，第二行是日期，第三行开始是价格（比如下面的模拟数据）：

df_mixed <- data.frame(
  X1 = c("", "", "Price"),
  X2 = c("AAPL", "2023-01-01", 150),
  X3 = c("AAPL", "2023-01-02", NA),
  X4 = c("AAPL", "2023-01-03", 152),
  X5 = c("MSFT", "2023-01-01", 300),
  X6 = c("MSFT", "2023-01-02", 301),
  X7 = c("MSFT", "2023-01-03", NA)
)

步骤1：整理数据结构 #

首先要把首行的股票代码和第二行的日期合并成列名，再转成标准格式：

# 加载需要的包（如果没装过先安装）
install.packages(c("tidyr", "tibble"))
library(tidyr)
library(tibble)

# 提取股票和日期作为列名
stock_names <- df_mixed[1, -1]
date_names <- df_mixed[2, -1]
colnames(df_mixed) <- c("Type", paste0(stock_names, "_", date_names))

# 提取价格数据并转置
price_df <- df_mixed[3, -1] |>
  t() |>
  as.data.frame() |>
  rownames_to_column("Stock_Date") |>
  rename(Price = V1)

# 拆分股票和日期
price_df <- separate(price_df, Stock_Date, into = c("Stock", "Date"), sep = "_")

步骤2：筛选NA并生成结果 #

接下来就和情况1一样了：

untraded_dates <- subset(price_df, is.na(Price)) |>
  mutate(output = paste0(Stock, "|", Date)) |>
  pull(output)

print(untraded_dates)

小提示： #

如果你的数据集是从Excel导入的，记得用read_excel（来自readxl包）导入，它能更好地处理混合表头的情况。另外，dplyr包的filter函数和subset功能类似，语法可能更直观，你也可以试试用它替代subset。

内容的提问来源于stack exchange，提问作者bartek