基于日期匹配的R脚本：批量生成GPS数据的SNOW_DEPTH列

问题背景 #

我正在处理一份包含GPS点雪深数据的CSV文件，数据是宽格式结构：除了ID和DATE列，其余列名都是具体日期，对应当日的雪深数值。现在需要新增一列SNOW_DEPTH，填入每行DATE列对应日期的雪深值。由于实际数据中有数千个日期列，无法逐个指定列名，得找个脚本化的简洁解决方案。

原始数据示例：

ID,DATE,2002.08.01,2002.08.02,2002.08.03,2002.08.04
1,8/1/2002,56,41,54,89
2,8/2/2002,65,59,69,10
3,8/2/2002,66,51,61,5
4,8/3/2002,11,21,12,32

预期结果：

ID,DATE,SNOW_DEPTH
1,8/1/2002,56
2,8/2/2002,59
3,8/2/2002,51
4,8/3/2002,12

解决方案1：基础R实现（无需额外包） #

核心思路是先统一DATE列和日期列名的格式，再逐行匹配提取对应值：

# 读取CSV数据（替换成你的文件路径）
df <- read.csv("gps_snow_data.csv", stringsAsFactors = FALSE)

# 统一日期格式：把DATE列的"m/d/Y"格式转换成列名的"Y.m.d"格式
df$date_matched <- format(as.Date(df$DATE, format = "%m/%d/%Y"), "%Y.%m.%d")

# 逐行提取对应雪深值：匹配date_matched和列名，取对应位置的数值
df$SNOW_DEPTH <- apply(df, 1, function(row) {
  target_col <- which(names(df) == row["date_matched"])
  as.numeric(row[target_col])
})

# 保留需要的列，删除临时辅助列
final_df <- df[, c("ID", "DATE", "SNOW_DEPTH")]

解决方案2：tidyverse实现（更简洁易读） #

用tidyr的宽转长功能，轻松匹配日期后提取值，适合日常数据处理：

library(tidyverse)

# 读取数据（read_csv比read.csv更高效）
df <- read_csv("gps_snow_data.csv")

final_df <- df %>%
  # 把所有日期列转成长格式：列名转为date_col，值转为snow_value
  pivot_longer(
    cols = matches("^\\d{4}\\.\\d{2}\\.\\d{2}$"), # 匹配所有YYYY.MM.DD格式的列名
    names_to = "date_col",
    values_to = "snow_value"
  ) %>%
  # 统一日期格式为Date类型，方便匹配
  mutate(
    DATE = as.Date(DATE, "%m/%d/%Y"),
    date_col = as.Date(date_col, "%Y.%m.%d")
  ) %>%
  # 只保留DATE和date_col匹配的行
  filter(DATE == date_col) %>%
  # 重命名并选择需要的列，保持原数据顺序
  select(ID, DATE, SNOW_DEPTH = snow_value) %>%
  arrange(ID)

两种方法都不需要手动指定任何日期列名，能自动适配数千个日期列的场景。如果不想安装额外包，选基础R方案；如果日常用tidyverse，第二个方案代码更简洁易懂。

内容的提问来源于stack exchange，提问作者J.W. Powell