宽表转长表时reshape函数列值匹配错误问题求助

问题 #

尝试将宽格式数据转换为长格式，使每个条目对应预评估（pre-assessment）和后评估（post-assessment）两行数据。9个条目转换时结果正常，但添加至10个（实际共25个）后，reshape函数无法正确匹配值与列标题，出现列值错位（例如bk_item_2_key列包含原本属于bk_item_5_key的值，正确值却出现在bk_item_3_key列）。

宽格式数据及尝试的代码如下：

wide <- data.frame(bk_item_1_key_pre=0.62804878,
                   bk_item_2_key_pre=0.853658536585366,
                   bk_item_3_key_pre=0.603658536585366,
                   bk_item_4_key_pre=0.420731707317073,
                   bk_item_5_key_pre=0.713414634146341,
                   bk_item_6_key_pre=0.567073170731707,
                   bk_item_7_key_pre=0.5,
                   bk_item_8_key_pre=0.426829268292683,
                   bk_item_9_key_pre=0.652439024390244,
                   bk_item_10_key_pre=0.73780487804878,
                   bk_item_1_key_post=0.794117647058824,
                   bk_item_2_key_post=0.864705882352941,
                   bk_item_3_key_post=0.594117647058824,
                   bk_item_4_key_post=0.452941176470588,
                   bk_item_5_key_post=0.752941176470588,
                   bk_item_6_key_post=0.658823529411765,
                   bk_item_7_key_post=0.5,
                   bk_item_8_key_post=0.4,
                   bk_item_9_key_post=0.611764705882353,
                   bk_item_10_key_post=0.752941176470588)

long <- reshape(wide,
                varying=c("bk_item_1_key_pre",
                          "bk_item_2_key_pre",
                          "bk_item_3_key_pre",
                          "bk_item_4_key_pre",
                          "bk_item_5_key_pre",
                          "bk_item_6_key_pre",
                          "bk_item_7_key_pre",
                          "bk_item_8_key_pre",
                          "bk_item_9_key_pre",
                          "bk_item_10_key_pre",
                          "bk_item_1_key_post",
                          "bk_item_2_key_post",
                          "bk_item_3_key_post",
                          "bk_item_4_key_post",
                          "bk_item_5_key_post",
                          "bk_item_6_key_post",
                          "bk_item_7_key_post",
                          "bk_item_8_key_post",
                          "bk_item_9_key_post",
                          "bk_item_10_key_post"),
                v.names=c("bk_item_1_key", 
                          "bk_item_2_key",
                          "bk_item_3_key",
                          "bk_item_4_key",
                          "bk_item_5_key", 
                          "bk_item_6_key",
                          "bk_item_7_key",
                          "bk_item_8_key",
                          "bk_item_9_key",
                          "bk_item_10_key"),
                times=c("pre", "post"),
                new.row.names=1:1000,
                direction="long")

修复思路与解决方案 #

问题根源 #

reshape函数的varying参数如果传入向量，会按v.names的长度依次分组。你将所有pre列放在前10位，post列放在后10位，函数会把第1&2列、3&4列...19&20列分为一组，这完全不符合按item匹配pre/post的需求，导致值错位。

方案1：修正base R的reshape参数 #

将varying改为列表格式，每个列表元素对应同一个item的pre和post列，让函数明确匹配关系：

long_fixed <- reshape(wide,
                      varying = list(
                        c("bk_item_1_key_pre", "bk_item_1_key_post"),
                        c("bk_item_2_key_pre", "bk_item_2_key_post"),
                        c("bk_item_3_key_pre", "bk_item_3_key_post"),
                        c("bk_item_4_key_pre", "bk_item_4_key_post"),
                        c("bk_item_5_key_pre", "bk_item_5_key_post"),
                        c("bk_item_6_key_pre", "bk_item_6_key_post"),
                        c("bk_item_7_key_pre", "bk_item_7_key_post"),
                        c("bk_item_8_key_pre", "bk_item_8_key_post"),
                        c("bk_item_9_key_pre", "bk_item_9_key_post"),
                        c("bk_item_10_key_pre", "bk_item_10_key_post")
                      ),
                      v.names = c("bk_item_1_key", 
                                  "bk_item_2_key",
                                  "bk_item_3_key",
                                  "bk_item_4_key",
                                  "bk_item_5_key", 
                                  "bk_item_6_key",
                                  "bk_item_7_key",
                                  "bk_item_8_key",
                                  "bk_item_9_key",
                                  "bk_item_10_key"),
                      times = c("pre", "post"),
                      new.row.names = 1:1000,
                      direction = "long")

方案2：利用列名规则自动匹配（更简洁） #

你的列名有统一后缀_pre/_post，可以用sep参数让reshape自动识别分组，无需手动列所有列名：

long_fixed <- reshape(wide,
                      varying = grep("_pre|_post", colnames(wide), value = TRUE),
                      v.names = sub("_pre|_post", "", grep("_pre", colnames(wide), value = TRUE)),
                      times = c("pre", "post"),
                      sep = "_",
                      direction = "long")

这里sep="_"会按下划线拆分列名，自动提取pre/post作为time标识，匹配对应item列。

方案3：使用tidyverse的pivot_longer（更直观不易错） #

如果允许使用tidyverse包，pivot_longer的语法更清晰，适合这类宽转长场景：

library(tidyverse)

long_tidy <- wide %>%
  pivot_longer(
    cols = everything(),
    names_to = c("item", ".value"),
    names_pattern = "(bk_item_\\d+_key)_(pre|post)"
  )

names_pattern用正则表达式拆分列名：将bk_item_X_key作为item列，pre/post对应值列的后缀，.value表示保留原列的数值部分。

内容的提问来源于stack exchange，提问作者Anita