如何在R中多值透视时保留统一年份列并提取变量名中年份

1. 用正则提取年份（替代固定位置的str_sub） #

别再用str_sub按固定位置截取年份了，改用正则表达式匹配变量名里的4位数字（年份），不管变量名长短都能精准提取。而且可以直接在pivot_longer操作里完成提取，不用额外写处理步骤。

核心正则逻辑：用\\d{4}匹配4位连续数字（年份），如果变量名里年份前有下划线（比如cost_2020）或没有（比如revenue2020），可以用更灵活的规则：(.*?)(?:_)?(\\d{4})，各部分作用：

• (.*?)：非贪婪匹配年份前的所有字符，避免把下划线误算进前缀
• (?:_)?：匹配可选的下划线（非捕获组，不会生成多余列）
• (\\d{4})：捕获4位数字作为年份

2. 统一生成单个年份列（解决year/year2分栏问题） #

你出现两个年份列，是因为pivot_longer的参数设置不对，导致年份被错误拆分。调整参数，让所有变量的年份都提取到同一个year列，同一ea_no下的相同年份自然会归到一起。

示例代码 #

假设你的宽格式数据是这样：

df_wide <- tibble(
  ea_no = c(1, 2),
  sales2020 = c(120, 230),
  profit_2020 = c(25, 48),
  sales2021 = c(160, 270)
)

执行正确的透视代码：

library(dplyr)
library(tidyr)

df_long <- df_wide %>%
  pivot_longer(
    cols = -ea_no,  # 排除ea_no列，透视其他所有列
    names_to = c("indicator", "year"),  # 拆分变量名为指标名和年份
    names_pattern = "(.*?)(?:_)?(\\d{4})",  # 用正则提取年份
    values_to = "value"  # 存储数值的列名
  )

处理重复的ea_no+year记录 #

如果同一ea_no+year下有多条不同指标的记录，可按需聚合：

# 按ea_no和year分组，求和所有数值
df_summary <- df_long %>%
  group_by(ea_no, year) %>%
  summarise(total_value = sum(value), .groups = "drop")

关键提示 #

• 正则可以根据你的变量名实际规则调整，比如年份在变量名开头的话，就把\\d{4}放在正则前面
• 确保pivot_longer的names_to只指定一个和年份相关的列，避免拆分出多个年份列

内容的提问来源于stack exchange，提问作者Rstudyer