如何对DataFrame中的交替列对批量应用unite()合并操作？

针对你描述的DataFrame结构（Date列为首，后续按「地区列-通用列」交替排列），可以通过列分组+reduce批量执行unite的方式实现需求，具体步骤如下：

1. 准备工作（加载包+构造示例数据） #

library(tidyverse)

# 构造与你结构一致的示例数据
df <- tibble(
  Date = c("2021-04-01", "2021-04-02", "2021-04-03"),
  England = c(145, 200, 120),
  ...3 = c("e", "e", ""),
  Wales = c(23, 90, 66),
  ...5 = c("", "s", "e")
)

2. 核心处理逻辑 #

# 提取除Date外的列名，按每2列一组拆分（对应「地区列-通用列」对）
cols_to_group <- names(df)[-1]
col_groups <- split(cols_to_group, ceiling(seq_along(cols_to_group)/2))

# 批量执行unite合并操作
result_df <- col_groups %>%
  reduce(
    .init = df,
    ~ unite(
      .x,
      col = !!names(.y)[1],  # 新列名沿用原地区列的名称
      all_of(.y),            # 指定当前组要合并的两列
      sep = "-",             # 设置分隔符为横杠
      remove = TRUE          # 合并后删除原列
    )
  )

3. 关键细节说明 #

• 如果你的原始数据中空值以NA形式存在而非空白字符串，需先将NA替换为空，避免合并后出现120-NA这类结果：

  df_clean <- df %>% mutate(across(-Date, ~ replace_na(.x, "")))
  # 之后用df_clean替代df执行后续分组和reduce操作
  

• split(cols_to_group, ceiling(seq_along(cols_to_group)/2)) 自动将交替列按顺序两两分组，适配你190组地区列的场景；
• reduce 函数会从原始DataFrame开始，依次对每个列组执行合并，最终得到保留Date列、所有地区列与对应通用列合并后的结果。

最终结果示例 #

执行后result_df的结构如下：

内容的提问来源于stack exchange，提问作者William Wormell