如何在R中基于'total_'前缀列高效透视数据框？

我们可以通过列分组标记+正则匹配的方式，用tidyr::pivot_longer一次性完成多组数据的透视，避免多次调用的繁琐。具体步骤如下：

1. 加载必要包 #

首先确保加载dplyr、tidyr和stringr包：

library(dplyr)
library(tidyr)
library(stringr)

2. 自动生成列分组标识 #

先给每个非index的列分配所属的分组（对应收入、年龄、语言三类），核心是利用cumsum对total_开头的列进行累积计数，以此区分不同组：

# 提取所有total_开头的列对应的类别（去掉total_前缀）
group_categories <- str_remove(names(df)[grepl("^total_", names(df))], "^total_")
names(group_categories) <- paste0("group_", seq_along(group_categories))

3. 一次性透视多组数据 #

先给列名添加分组前缀，再通过两次透视（长转宽+宽转长）完成结构重塑，同时自动填充每组的总计值：

result <- df %>%
  # 给非index列添加分组前缀（如group_1_total_income）
  rename_with(function(col) {
    group_idx <- cumsum(grepl("^total_", names(df)))[which(names(df) == col)]
    paste0("group_", group_idx, "_", col)
  }, -index) %>%
  # 转成长格式，拆分分组和原列名
  pivot_longer(
    cols = -index,
    names_to = c("group", "variable"),
    names_sep = "_",
    extra = "merge"  # 处理列名含下划线的情况（如ten_twenty_k）
  ) %>%
  # 把分组映射为对应的类别（收入/年龄/语言）
  mutate(category = group_categories[group]) %>%
  # 区分总计列和分项列，去掉总计列的total_前缀
  mutate(
    is_total = str_starts(variable, "total_"),
    variable = str_remove(variable, "^total_")
  ) %>%
  # 转成宽格式，让总计值和分项值同属一行
  pivot_wider(
    id_cols = c(index, category, variable),
    names_from = is_total,
    values_from = value,
    names_glue = "{ifelse(is_total, 'total_value', 'item_value')}"
  ) %>%
  # 为每组的所有行填充总计值
  group_by(index, category) %>%
  fill(total_value, .direction = "downup") %>%
  ungroup() %>%
  # 过滤掉无分项值的行（原总计行）
  filter(!is.na(item_value)) %>%
  # 重命名列并调整顺序
  rename(item = variable) %>%
  select(index, category, item, item_value, total_value)

处理后的result结构示例（前5行）：

# A tibble: 9 × 5
  index category item               item_value total_value
  <int> <chr>    <chr>                    <dbl>       <dbl>
1     1 income   ten_twenty_k                90         100
2     1 income   twenty_one_thirty_k         10         100
3     1 age      age_15_lower                10        1000
4     1 age      age_16_30                  900        1000
5     1 age      age_31_50                   90        1000

4. 拆分数据框并去重 #

按category拆分数据框，并用distinct()去除重复行：

# 按类别拆分数据框
split_dfs <- result %>%
  group_split(category, .keep = TRUE)

# 给拆分后的列表命名
names(split_dfs) <- unique(result$category)

# 对每个数据框去重
split_dfs <- lapply(split_dfs, function(df) {
  df %>% distinct()
})

拆分后可通过split_dfs$income、split_dfs$age、split_dfs$language分别访问对应的数据框。

内容的提问来源于stack exchange，提问作者johnny_gillette