R语言pivot_wider数据转换报错修正及pivot_longer用法验证

原始数据 #

# 导入时使用read.csv(file, check.names = FALSE)保留重复列名
my_data = structure(list(col = c("type", "A", "B", "C"), 
                         `2000-01-01` = c("type 1", "30", "57", "35"), 
                         `2000-01-01` = c("type 2", "11", "14", "7"), 
                         `2000-01-02` = c("type 1", "74", "63", "14"), 
                         `2000-01-02` = c("type 2", "45", "1", "33")), 
                    class = "data.frame", row.names = c(NA, -4L))

数据展示：

col 2000-01-01 2000-01-01 2000-01-02 2000-01-02
1 type     type 1     type 2     type 1     type 2
2    A         30         11         74         45
3    B         57         14         63          1
4    C         35          7         14         33

目标格式 #

col       date type_1_count type_2_count
1   A 2000-01-01           30           11
2   B 2000-01-01           57           14
3   C 2000-01-01           35            7
4   A 2000-01-02           74           45
5   B 2000-01-02           63            1
6   C 2000-01-02           14           33

错误尝试代码及结果 #

library(tidyr)

first_part = colnames(my_data)
second_part = "|"
names(my_data)[2:5] = paste(first_part, second_part)

pivot_longer(df, -col, 
             names_sep = "\\|", 
             names_to = c(".value", "Date"))

错误输出：

# A tibble: 8 x 5
  col   Date  `col ` `2000-01-01 ` `2000-01-02 `
  <chr> <chr> <chr>  <chr>         <chr>        
1 type  ""    type 1 type 2        type 2       
2 type  ""    NA     type 1        NA           
3 A     ""    30     11            45           
4 A     ""    NA     74            NA           
5 B     ""    57     14            1            
6 B     ""    NA     63            NA           
7 C     ""    35     7             33           
8 C     ""    NA     14            NA    

修正方案 #

问题核心是列名修改逻辑错误，且未先处理第一行的type标识信息。正确步骤如下：

1. 提取第一行的type信息，用于区分重复日期列
2. 重命名重复日期列，组合「日期+type」作为新列名
3. 移除type行后，通过两次pivot转换实现目标格式

代码实现：

library(tidyr)
library(dplyr)

# 提取第一行的type标识
type_labels = my_data[1, -1] %>% unlist() %>% as.character()

# 重命名日期列，拼接日期与type
new_colnames = paste(colnames(my_data)[-1], type_labels, sep = "_")
colnames(my_data)[-1] = new_colnames

# 转换数据格式并整理数值类型
result = my_data[-1, ] %>%
  pivot_longer(-col, 
               names_to = c("date", "type"), 
               names_sep = "_",
               values_to = "count") %>%
  pivot_wider(names_from = type, 
              values_from = count,
              names_prefix = "type_",
              names_glue = "{type}_count") %>%
  mutate(across(c(type_1_count, type_2_count), as.integer))

print(result)

输出结果：

# A tibble: 6 x 4
  col   date       type_1_count type_2_count
  <chr> <chr>             <int>        <int>
1 A     2000-01-01           30           11
2 A     2000-01-02           74           45
3 B     2000-01-01           57           14
4 B     2000-01-02           63            1
5 C     2000-01-01           35            7
6 C     2000-01-02           14           33

原始数据 #

my_data = structure(list(col = c("A", "B", "C"), 
                         `2000-01-01` = c(86L, 43L, 73L), 
                         `2000-01-02` = c(99L, 77L, 12L)), 
                    class = "data.frame", row.names = c(NA, -3L))

数据展示：

col 2000-01-01 2000-01-02
1   A         86         99
2   B         43         77
3   C         73         12

目标格式 #

date col count
1 2000-01-01   A    86
2 2000-01-01   B    43
3 2000-01-01   C    73
4 2000-01-02   A    99
5 2000-01-02   B    77
6 2000-01-02   C    12

解答 #

1. 使用pivot_longer完全正确 #

这是标准的宽表转长表场景，pivot_longer是最优解决方案，代码如下：

library(tidyr)

result = pivot_longer(my_data, 
                      -col, 
                      names_to = "date", 
                      values_to = "count")

print(result)

输出结果：

# A tibble: 6 x 3
  col   date       count
  <chr> <chr>      <int>
1 A     2000-01-01    86
2 A     2000-01-02    99
3 B     2000-01-01    43
4 B     2000-01-02    77
5 C     2000-01-01    73
6 C     2000-01-02    12

2. 关于「指定names_to为'2001-01-01'却能处理所有列」的疑问 #

这是对参数逻辑的误解：names_to是指定转换后存储原始列名的新列名称，不是指定要转换的列。例如写names_to = "2001-01-01"，会生成一个名为2001-01-01的列，里面存储所有原始日期列的名称，而非只处理2001-01-01这一列。

正确逻辑是：-col指定保留col列，其余所有列都会被转换到names_to指定的新列中，values_to则指定存储原始数值的列名。

内容的提问来源于stack exchange，提问作者stats_noob