匹配相同后缀列字符串并求和：湖泊调查数据集高效处理需求

针对多距离bin、多栖息地类型的批量计算需求，用tidyverse工具链可以大幅简化操作，核心思路是宽格式转长格式→拆分多类别→分组汇总，具体步骤如下：

步骤1：加载工具包 #

先确保安装并加载tidyverse：
install.packages("tidyverse")
library(tidyverse)

步骤2：宽格式转长格式，配对bin的栖息地与比例列 #

假设数据集名为lake_data，列结构类似station_id, habitat_bin1, prop_bin1, habitat_bin2, prop_bin2...，用pivot_longer自动配对每个bin对应的栖息地和比例列：

lake_long <- lake_data %>%
  pivot_longer(
    cols = -station_id,  # 排除station_id列，处理所有bin相关列
    names_to = c(".value", "bin"),
    names_pattern = "(habitat|prop)_bin(\\d+)"  # 正则匹配列名，拆分出类型和bin编号
  )

执行后会生成核心列：station_id、bin（如1、2...）、habitat（原逗号分隔的类别）、prop（对应比例）。

步骤3：拆分逗号分隔的栖息地类别 #

用separate_rows把每个单元格里的多栖息地类别拆成单独行，让每一行对应唯一的station-bin-栖息地组合：

lake_long_split <- lake_long %>%
  separate_rows(habitat, sep = ",\\s*") %>%  # 兼容逗号前后带空格的情况
  mutate(habitat = str_trim(habitat))  # 统一去除类别字符串首尾空格

步骤4：分组计算总岸线比例 #

按距离bin和栖息地类型分组，汇总对应比例的总和：

habitat_total_prop <- lake_long_split %>%
  group_by(bin, habitat) %>%
  summarise(total_prop = sum(prop, na.rm = TRUE), .groups = "drop")

最终结果habitat_total_prop就是每个距离bin下，每种栖息地类型对应的总岸线比例。

额外优化 #

如果栖息地存在大小写或空格不一致（比如"芦苇"和"芦苇 "、"Reed"和"reed"），可在拆分后统一格式：
mutate(habitat = str_to_lower(str_trim(habitat)))

内容的提问来源于stack exchange，提问作者CHW