如何高效重塑同时需宽转长与长转宽的DataFrame？

原始数据复现 #

Names <- c(rep("A",5),rep("B",5), rep("C",5))
Types <- c(rep(c("Income","Tax Paid","Consumption","Stimulus","NonDurable expenses"),3))
year1 <- c(rep(c(1000,100,300,100,200),3))
year2 <- c(rep(c(2000,200,600,200,400),3))
year3 <- c(rep(c(4000,400,800,400,800),3))
df <- data.frame(Names,Types,year1,year2,year3)

高效实现代码 #

无需拆分数据框再合并，通过pivot_longer+pivot_wide的组合即可一步完成重塑，代码简洁且效率更高：

library(tidyr)
library(dplyr)

df_new <- df %>%
  # 将年份列转为纵向格式，生成year列和对应数值列
  pivot_longer(cols = starts_with("year"), 
               names_to = "year", 
               values_to = "value") %>%
  # 将Types类别转为独立列，填充对应数值
  pivot_wider(names_from = Types, 
              values_from = value) %>%
  # 重命名列以匹配目标格式
  rename(Tax = `Tax Paid`,
         NonDurable = `NonDurable expenses`)

# 查看结果
head(df_new)

代码说明 #

1. pivot_longer：把year1/year2/year3三列折叠成year（存储年份标识）和value（存储对应年份数值）两列，保留Names和Types作为分组依据。
2. pivot_wider：将Types中的每个类别（如Income、Tax Paid等）转为独立列，自动按Names和year分组对齐数据，用value填充对应位置的数值。
3. rename：调整带空格的列名，完全匹配你需要的目标格式。

优势对比 #

你原方法需要多次筛选数据框、执行pivot_longer后再合并，不仅代码冗余，大数据量下效率极低，还存在行顺序错位导致数据匹配错误的风险。新方法仅通过两次pivot操作完成，代码更简洁，运行效率更高，数据对齐更可靠。

内容的提问来源于stack exchange，提问作者አብርሽ