如何用tidyverse工具在R中基于匹配值重排对齐数据框列

核心思路 #

通过长格式转换-分组聚合-宽格式还原的流程，将每行内的重复值拆分为独立行，并将相同值对齐到其出现过的列位置，非匹配列留空。

代码实现 #

首先构造原始数据框（如果你的数据已经存在，可跳过这一步）：

library(tidyverse)

# 构造示例数据框（空值用""表示，若你的数据是NA可后续调整）
df <- tibble(
  ID = c("A", "B", "B", "C", "D", "E", "F"),
  Col1 = c("X", "Y", "", "Z", "P", "R", "R"),
  Col2 = c("X", "Q", "", "", "P", "", "S"),
  Col3 = c("", "Q", "Y", "Z", "Q", "", "")
)

执行数据处理：

df_processed <- df %>%
  # 转长格式，提取非空值的列名与对应值
  pivot_longer(cols = starts_with("Col"), names_to = "col", values_to = "val") %>%
  filter(val != "") %>%  # 过滤空值，若空值是NA则替换为drop_na(val)
  
  # 按ID和值分组，收集该值出现过的所有列名
  group_by(ID, val) %>%
  mutate(col_list = list(col)) %>%
  ungroup() %>%
  
  # 展开列名列表，为后续宽格式还原做准备
  unnest(col_list) %>%
  
  # 转回宽格式，对应列填充值，其余列留空
  pivot_wider(
    id_cols = c(ID, val),
    names_from = col_list,
    values_from = val,
    values_fill = ""
  ) %>%
  
  # 清理中间列，恢复原始列顺序与ID顺序
  select(-val) %>%
  arrange(factor(ID, levels = unique(df$ID))) %>%
  select(ID, Col1, Col2, Col3)

查看结果：

print(df_processed, na.print = "")

输出结果与期望一致：

# A tibble: 8 × 3
  ID    Col1 Col2 Col3
  <chr> <chr> <chr> <chr>
1 A     X     X     
2 B     Y           Y
3 B           Q     Q
4 C     Z           Z
5 D     P     P     
6 D                 Q
7 E     R           
8 F     R           
9 F           S     

步骤说明 #

1. 长格式转换：将宽表转为ID-列名-值的结构，便于后续按值分组处理。
2. 分组聚合：对每个ID下的每个值，收集它出现过的所有列名，确保相同值能对齐到对应列。
3. 宽格式还原：将分组后的结果转回宽表，自动填充对应列的值，非匹配列用空字符串填充。
4. 顺序整理：保证ID顺序与原始数据一致，恢复列的原始排序。

内容的提问来源于stack exchange，提问作者Umar