如何在R中从列名提取值并生成新列重构数据集？

核心思路 #

先将宽格式数据转成长期表，再拆分原列名生成所需的新属性列，用tidyverse工具包就能快速实现。

步骤示例 #

1. 加载工具包

library(tidyverse)

2. 替换为你的原始数据（这里模拟示例结构）

original_data <- tibble(
  基因ID = c("基因1", "基因2", "基因3"),
  `表达量_对照组_重复1` = c(1.2, 3.4, 5.6),
  `表达量_对照组_重复2` = c(1.3, 3.5, 5.7),
  `表达量_处理组_重复1` = c(2.1, 4.2, 6.3),
  `表达量_处理组_重复2` = c(2.2, 4.3, 6.4)
)

3. 转换为目标格式

target_data <- original_data %>%
  # 宽表转长表：保留标识列（如基因ID），其余列转为「原列名+对应数值」的行
  pivot_longer(
    cols = -基因ID,
    names_to = "原列名",
    values_to = "数值"
  ) %>%
  # 拆分原列名生成新列：按列名里的分隔符（这里是下划线）拆分
  separate(
    col = 原列名,
    into = c("检测指标", "分组", "重复"),
    sep = "_"
  )

适配不同列名结构 #

• 如果列名用点号分隔（比如表达量.对照组.重复1），把sep = "_"改成sep = "\\."
• 如果列名无明显分隔符（比如表达量对照组重复1），改用extract配合正则表达式提取：

target_data <- original_data %>%
  pivot_longer(cols = -基因ID, names_to = "原列名", values_to = "数值") %>%
  extract(
    col = 原列名,
    into = c("检测指标", "分组", "重复"),
    regex = "(表达量)(对照组|处理组)(重复\\d)"
  )

内容的提问来源于stack exchange，提问作者Shoumit Saha