如何使用pivot_longer实现多实例多时间点数据的长格式转换？

针对你手头的多时间点、多实例数据集，要保留ident列，转换为包含time、abc、def的目标格式，可以通过先拆列名转长，再转宽的两步操作实现，具体代码如下：

完整代码示例 #

library(tidyverse)

# 你的原始数据集
data = data.frame(ident=c("A","B","C","D","E"),
                  M0_abc=c(1,0,1,0,1),
                  M0_def=c(1,1,1,1,0),
                  M3_abc=c(1,1,0,0,0),
                  M3_def=c(0,1,0,1,0))

# 格式转换
data_long <- data %>%
  # 第一步：把所有非ident列拆成time、instance和对应值
  pivot_longer(
    cols = -ident,
    names_to = c("time", "instance"),
    names_sep = "_",  # 直接用下划线拆分列名（比正则更简洁）
    values_to = "value"
  ) %>%
  # 第二步：把instance的不同取值转成列
  pivot_wider(
    names_from = instance,
    values_from = value
  )

执行后得到的结果：

> data_long
# A tibble: 10 × 4
   ident time    abc   def
   <chr> <chr> <dbl> <dbl>
 1 A     M0        1     1
 2 A     M3        1     0
 3 B     M0        0     1
 4 B     M3        1     1
 5 C     M0        1     1
 6 C     M3        0     0
 7 D     M0        0     1
 8 D     M3        0     1
 9 E     M0        1     0
10 E     M3        0     0

关键逻辑说明 #

1. 第一步pivot_longer：

   • 用names_sep = "_"将列名（如M0_abc）拆分为time（M0）和instance（abc）两个字段，所有数值统一存入value列，这一步把宽格式数据转成了包含ident、time、instance、value的长格式。
   • 如果你的列名分隔符不是下划线，才需要用names_pattern = "(.*)_(.*)"这种正则表达式来匹配拆分，这里用names_sep更直接高效。

2. 第二步pivot_wider：

   • 把instance字段的不同取值（abc、def）转为列名，对应的value值填充到对应列下，最终得到你需要的结构。

补充说明 #

你之前尝试的values_to=c("abc","def")是误区：values_to仅用于指定单个值列的名称，而要处理多实例的列名拆分，需要通过names_to指定拆分后的字段，再结合pivot_wider完成格式转换。

内容的提问来源于stack exchange，提问作者BPeif