如何对日期不匹配的日期-变量组合执行pivot_longer转换？

你之前的两次pivot_longer操作会把所有日期列和Equity列做笛卡尔积，产生大量无效的交叉组合，所以得不到预期结果。核心问题是你的数据中日期列与对应的Equity列是成对出现的（比如date1对应A Equity，date2对应B Equity），我们需要把每一对列作为整体处理，而非分开转换。

下面提供两种适合大规模数据（1000+列）的解决方案：

方案1：针对两两排列的配对列（通用场景） #

如果你的数据列严格按照「日期列 + Equity列」的顺序两两分组（如示例数据），可以用purrr批量处理每一组列，再合并结果：

library(dplyr)
library(purrr)
library(stringr)

# 将列名按两两一组拆分
column_pairs <- split(colnames(df), ceiling(seq_along(colnames(df)) / 2))

# 遍历每组列，提取并整理数据
desired_df <- map_dfr(column_pairs, function(pair) {
  df %>%
    select(all_of(pair)) %>%
    # 重命名为统一的date和value列
    rename(date = pair[1], value = pair[2]) %>%
    # 从Equity列名中提取变量名（移除" Equity"后缀）
    mutate(var = str_remove(pair[2], " Equity")) %>%
    # 过滤空值行
    filter(!is.na(date), !is.na(value))
})

这个方法不依赖列名的特殊规律，只要列是两两配对排列的就能用，非常适合你的大规模数据场景。

方案2：利用列名正则匹配（规律化列名场景） #

如果你的日期列都是date开头加编号（如date1、date2），对应的Equity列是「变量名 + Equity」（如A Equity、B Equity），且编号与变量名顺序对应（date1对应A，date2对应B），可以用tidyr的正则匹配功能处理：

library(dplyr)
library(tidyr)
library(stringr)

desired_df <- df %>%
  # 转换日期列为长格式，提取编号
  pivot_longer(
    cols = starts_with("date"),
    names_to = "var_number",
    values_to = "date",
    names_transform = list(var_number = ~str_remove(.x, "date") %>% as.integer())
  ) %>%
  # 转换Equity列为长格式，提取变量名
  pivot_longer(
    cols = ends_with("Equity"),
    names_to = "var",
    values_to = "value",
    names_transform = list(var = ~str_remove(.x, " Equity"))
  ) %>%
  # 匹配编号与变量名的顺序（date1对应第1个字母A，以此类推）
  mutate(var_position = match(var, LETTERS)) %>%
  filter(var_number == var_position) %>%
  # 保留目标列并过滤空值
  select(date, var, value) %>%
  filter(!is.na(date), !is.na(value))

验证结果 #

运行上述代码后，你会得到与预期完全一致的结果：

# # A tibble: 5 × 3
#   date       var   value
#   <chr>      <chr> <dbl>
# 1 1/29/2016  A        35
# 2 2/29/2016  A        40
# 3 10/31/2017 B        67
# 4 11/30/2017 B        31
# 5 12/29/2017 B        56

内容的提问来源于stack exchange，提问作者Geet