R语言中如何程序化将宽表转换为长表并同时处理多组关键列

嘿，你已经搞定了单组key-value的宽转长，要处理多组的情况其实不难！这里给你两种方案，一种是用tidyverse里更现代灵活的pivot_longer，另一种是基于你已经熟悉的gather_来扩展，都能实现你要的结果：

方案一：用pivot_longer（推荐，更简洁高效） #

这个方法属于tidyverse生态的现代工具，能通过字符串匹配和格式转换一步到位。首先确保你加载了tidyr和dplyr包：

install.packages(c("tidyr", "dplyr"))
library(tidyr)
library(dplyr)

然后用管道流完成转换：

newdata_long <- olddata_wide %>%
  # 先把所有测量列转成统一的长表格式
  pivot_longer(cols = -c(subject, sex), names_to = "var", values_to = "val") %>%
  # 拆分列名：提取类型（a/b/c）和时间标记（空/1/2）
  mutate(
    type = stringr::str_remove(var, "\\d*"),  # 去掉列名里的数字，得到核心类型
    time = dplyr::case_when(
      stringr::str_detect(var, "1$") ~ "1",
      stringr::str_detect(var, "2$") ~ "2",
      TRUE ~ "0"
    )
  ) %>%
  # 把不同时间的数值转成多列
  pivot_wider(
    id_cols = c(subject, sex, type),
    names_from = time,
    values_from = val,
    names_prefix = "value"
  ) %>%
  # 补充你需要的valueType系列列
  mutate(
    valueType = type,
    valueType1 = paste0(type, "1"),
    valueType2 = paste0(type, "2")
  ) %>%
  # 调整列顺序并重命名，匹配你想要的结果格式
  select(subject, sex, value0, valueType, value1, valueType1, value2, valueType2) %>%
  rename(value = value0)

运行后就能得到你期望的长表结构啦！

方案二：基于你熟悉的gather_扩展 #

如果你更习惯用gather_，可以分别处理每组列，再通过共同的标识合并：

library(tidyr)
library(stringr)

# 处理第一组：a/b/c
df1 <- gather_(olddata_wide, "valueType", "value", c("a", "b", "c")) %>%
  mutate(type = valueType)  # 新增类型标记用于合并

# 处理第二组：a1/b1/c1
df2 <- gather_(olddata_wide, "valueType1", "value1", c("a1", "b1", "c1")) %>%
  mutate(type = str_remove(valueType1, "1"))  # 去掉数字得到匹配的类型标记

# 处理第三组：a2/b2/c2
df3 <- gather_(olddata_wide, "valueType2", "value2", c("a2", "b2", "c2")) %>%
  mutate(type = str_remove(valueType2, "2"))  # 去掉数字得到匹配的类型标记

# 按subject、sex和类型标记合并三个表
newdata_long <- df1 %>%
  inner_join(df2, by = c("subject", "sex", "type")) %>%
  inner_join(df3, by = c("subject", "sex", "type")) %>%
  # 筛选并调整列顺序
  select(subject, sex, value, valueType, value1, valueType1, value2, valueType2)

这个方法完全基于你已掌握的gather_逻辑，只是多了拆分类型标记和合并的步骤，也能得到一样的结果。

内容的提问来源于stack exchange，提问作者Nneka