使用R重塑宽格式数据为面板数据时遭遇未定义列错误的求助及批量处理需求

嗨，我来帮你理清这个问题的根源，再给你几个规范高效的解决方案～

错误原因解析 #

你遇到的Error in [.data.frame(data, , varying.i) : undefined columns selected错误，核心问题出在varying参数的取值逻辑上：

• 当你传入1960:2020时，R会把这些数字当作列的索引位置处理，但你的数据框总共只有65列，显然不存在索引1960到2020的列，所以触发报错。
• 而你用c("1960","2020")能成功，是因为这两个是字符型列名，R会根据列名去匹配对应列，自然能找到目标数据。

高效解决方案 #

这里有两种简单规范的方法，完全不需要逐个输入61个列名：

方法1：修正base R的reshape函数参数 #

直接生成字符型的年份列名序列，传给varying参数即可：

# 生成1960到2020的字符型列名向量
year_col_names <- as.character(1960:2020)

# 执行reshape转换
gdp <- reshape(GDP, 
               varying = year_col_names, 
               v.names = "GDPpercapita", 
               timevar = "Year", 
               times = 1960:2020, 
               direction = "long")

方法2：用tidyverse的pivot_longer（更推荐给初学者） #

tidyverse套件里的pivot_longer函数比base R的reshape更直观易读，是当前处理数据重塑的主流方式：

# 先加载需要的包
library(tidyr)
library(dplyr)

# 转换为长格式
gdp <- GDP %>%
  pivot_longer(
    cols = starts_with("19") | starts_with("20"), # 匹配所有以19或20开头的年份列
    names_to = "Year",                           # 原列名转为Year列
    values_to = "GDPpercapita",                  # 原列值转为GDPpercapita列
    names_transform = list(Year = as.integer)    # 把Year列转为整数类型（可选，按需调整）
  )

如果你的年份列都是严格的四位数字，还可以用cols = matches("^\\d{4}$")来精准匹配所有四位数字的列名，适配性更强。

内容的提问来源于stack exchange，提问作者SkeezOh