tidytuesday挑战中R语言pivot_longer数据转换行数不符求助

核心错误场景及修正方案 #

1. 列选择范围不当 #

如果转置时误包含了不需要重塑的固定列（比如电影ID、标题等主键列），或者漏选了部分演员相关列，会直接导致行数偏离预期。

错误示例：

# 错误地将所有列都纳入转置范围
df %>% pivot_longer(cols = everything(), 
                    names_to = c("actor_tag", ".value"), 
                    names_sep = "_")

修正：明确指定需要转置的演员属性列，比如用starts_with()匹配前缀：

# 仅转置以actor开头的列，排除电影ID等固定列
df %>% pivot_longer(cols = starts_with("actor"), 
                    names_to = c("actor_num", ".value"), 
                    names_sep = "_")

2. 列名解析规则错误 #

这是最常见的问题：如果你的演员列是actor1_name/actor1_age/actor2_name/actor2_age这类成对命名，必须通过names_pattern或names_sep正确拆分分组标识（1/2）和属性类型（name/age），否则无法让姓名、年龄等信息对应关联，行数也会异常。

错误示例：

# 错误地将所有列转成单一键值对，破坏属性关联
df %>% pivot_longer(cols = -movie_id, 
                    names_to = "attribute", 
                    values_to = "value")

修正：用正则表达式捕获分组和属性，让.value保留原属性列名：

df %>% pivot_longer(cols = starts_with("actor"),
                    names_to = c("actor_group", ".value"),
                    # 正则匹配actorX_xxx格式，捕获X和属性名
                    names_pattern = "actor(\\d)_(.*)")

这样处理后，每个电影的2位演员会各自生成一行，姓名、性别、年龄等属性会保留为独立列，行数正好是1155×2=2310。

3. 误删缺失值导致行数不足 #

如果代码中设置了values_drop_na = TRUE，会自动删除演员列存在NA的行，导致行数少于预期。

修正：移除该参数，保留所有行：

df %>% pivot_longer(cols = starts_with("actor"),
                    names_to = c("actor_group", ".value"),
                    names_pattern = "actor(\\d)_(.*)")
                    # 去掉values_drop_na = TRUE

验证方式 #

转置完成后，用以下代码确认结果符合预期：

result <- df %>% pivot_longer(...)
# 检查行数是否为2310
nrow(result)
# 确认每个分组（演员1/演员2）各有1155行
dplyr::count(result, actor_group)

内容的提问来源于stack exchange，提问作者mzkrc