R语言：如何高效将多组结构化列转换为对应单列？

问题描述 #

我有一个从文件导入的DataFrame，结构示例如下：

stim1.1 <- c(23)
stim1.2 <- c(24)
stim1.3 <-c(266)
stim2.1 <- c(276)
stim2.2 <- c(564)
stim2.3 <-c(250)

mydata <- data.frame(stim1.1, stim1.2, stim1.3, stim2.1, stim2.2, stim2.3)

实际数据包含更多行，当前DataFrame输出为：

stim1.1 stim1.2 stim1.3 stim2.1 stim2.2 stim2.3
23      24      266     276     564     250

希望将其转换为如下格式：

stim1    stim2
23       276
24       564
266      250

目前通过以下代码实现需求，但处理大数据集时效率极低：

mydata <- pivot_longer(mydata, c("stim1.1", "stim1.2", "stim1.3"), values_to = "stim1")
mydata <- pivot_longer(mydata, c("stim2.1", "stim2.2", "stim2.3"), values_to = "stim2")

求更优雅高效的实现方案。

方案一：tidyr批量重塑（推荐） #

无需多次调用pivot_longer，一次操作即可完成列名拆分与数据重塑：

library(tidyr)
library(dplyr)

mydata %>%
  pivot_longer(everything(), 
               names_to = c("stim", ".value"), 
               names_sep = "\\.") %>%
  select(stim1, stim2) # 按需调整列顺序

核心逻辑 #

• names_sep = "\\."：以小数点为分隔符拆分列名，将stim1.1拆分为stim1（分组标识）和1（位置索引）
• names_to = c("stim", ".value")：指定拆分后的第一部分作为分组名，第二部分对应值的位置，tidyr会自动将同组列转换为行，并匹配对应位置的值
• 仅需一次重塑操作，大幅提升大数据集处理效率，代码也更简洁

方案二：data.table高性能实现 #

针对超大规模数据集，data.table的内存效率和运算速度优势显著：

library(data.table)

setDT(mydata)
# 拆分列名获取分组与索引
col_parts <- strsplit(names(mydata), "\\.")
stim_groups <- sapply(col_parts, `[`, 1)
unique_stims <- unique(stim_groups)

# 批量提取并重组数据
result <- do.call(cbind, lapply(unique_stims, function(s) {
  data.table(unlist(mydata[, grep(s, names(mydata)), with = FALSE]))
}))
names(result) <- unique_stims

方案三：基础R原生实现（无依赖） #

若不想加载第三方包，可通过基础R函数完成转换：

# 拆分列名
cols <- names(mydata)
stim_groups <- sub("\\..*", "", cols)

# 按分组提取值并转置
grouped_data <- split(mydata, stim_groups)
result <- as.data.frame(t(sapply(grouped_data, unlist)))

内容的提问来源于stack exchange，提问作者thefriendly_plague.doctor