数据框重塑方法求助（附示例）

针对你需要将长列格式数据转为同行多列、自动生成数百个新列的需求，这里提供两种可行方案：

方案一：使用循环批量创建并赋值新列 #

如果需要直观控制每一步的列生成逻辑，循环是直接的选择，适合你提到的生成A1-A23及对应B列的场景：

# 假设原数据框名为df，包含Column A和Column B两列
# 定义要生成的副列组数（比如23组对应A1-A23、B1-B23）
group_count <- 23

# 循环生成新列并赋值
for (i in 1:group_count) {
  # 构造新列名
  col_name_a <- paste0("Column A", i)
  col_name_b <- paste0("Column B", i)
  
  # 创建新列并赋值：将原数据第i+1行的对应值放到第一行
  df[[col_name_a]] <- NA
  df[[col_name_b]] <- NA
  df[1, col_name_a] <- df[i + 1, "Column A"]
  df[1, col_name_b] <- df[i + 1, "Column B"]
}

# 保留第一行（若不需要原数据的其他行）
df <- df[1, ]

方案二：使用tidyr/dplyr高效重塑数据 #

如果需要处理大量列且追求代码简洁，用tidyr的宽化函数可以避免手动循环，更适合大规模数据处理：

library(tidyr)
library(dplyr)

# 给原数据添加行标识：主行为0，后续行依次标记为1、2...
df <- df %>% 
  mutate(row_tag = case_when(
    row_number() == 1 ~ 0,
    TRUE ~ row_number() - 1
  ))

# 转成长格式后再宽化，自动生成所有新列
df_wide <- df %>%
  pivot_longer(cols = c("Column A", "Column B"), 
               names_to = "original_col", 
               values_to = "value") %>%
  mutate(new_col = ifelse(row_tag == 0, original_col, paste0(original_col, row_tag))) %>%
  pivot_wider(names_from = new_col, values_from = value) %>%
  select(-row_tag)

说明 #

• 方案一的循环逻辑清晰，适合需要自定义赋值规则的场景；
• 方案二通过tidyr的pivot_longer和pivot_wider完成重塑，代码更简洁，且能自动适配任意数量的后续行，无需手动修改循环次数。

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