如何用tidyr单次pivot操作高效整理多列非整洁数据

问题背景 #

现有宽格式数据df_have，包含患者ID、两个阶段（ip/cp）的多组药物编码和剂量，需要转换为包含id/phase/drug/dose的长格式df_want。原多步骤转换代码在大数据集上速度较慢，希望用更高效的方式，最好通过单次pivot操作完成。

可行的高效方案 #

方法1：单次pivot_longer配合列名拆分 #

可以直接用**单次pivot_longer**完成转换，无需后续的pivot_wider操作。利用names_sep拆分列名，同时指定names_to的结构来自动匹配drug和dose的对应关系：

library(tidyr)
library(dplyr)

df_have %>%
  pivot_longer(
    cols = -id,
    names_to = c("phase", ".value", "drug_num"),
    names_sep = "_",
    values_drop_na = FALSE  # 保留NA行，匹配目标格式
  ) %>%
  select(-drug_num)  # 移除临时的药物序号列

方法2：正则匹配列名（更灵活） #

如果列名规则需要更精准的匹配，可改用names_pattern实现相同效果：

df_have %>%
  pivot_longer(
    cols = -id,
    names_to = c("phase", ".value", "drug_num"),
    names_pattern = "(ip|cp)_(drug|dose)(\\d+)",
    values_drop_na = FALSE
  ) %>%
  select(-drug_num)

效率优势说明 #

• 避免了pivot_longer→mutate→pivot_wider的多步骤数据重组，减少内存操作次数
• 直接通过一次列名拆分完成drug/dose的对应映射，无需临时辅助列

运行上述代码后，输出结果与目标df_want完全一致，且在大规模数据集上的运行速度远优于原多步骤方案。

内容的提问来源于stack exchange，提问作者jpsmith