如何重塑DataFrame：合并年份列并填充缺失值为NA

核心思路是拆分列名中的区域与属性信息，通过「宽表转长→整理年份映射→长表转宽」的流程实现需求，以下是可直接复用的代码方案：

1. 模拟数据集（匹配你的结构） #

先模拟和你类似的多区域数据结构，方便你对照调整：

library(tidyverse)
# 模拟示例数据：包含Antarctica、Arctic两个区域的年份及温度数据
df <- tibble(
  Antarctica.Year.CE = c(2000, 2001, 2002),
  Antarctica.Temp = c(-50.1, -49.8, -51.2),
  Antarctica.Min = c(-62.3, -61.5, -63.1),
  Antarctica.Max = c(-38.2, -37.9, -39.0),
  Arctic.Year.CE = c(2001, 2002, 2003),
  Arctic.Temp = c(-12.5, -11.8, -13.0),
  Arctic.Min = c(-25.1, -24.3, -26.2),
  Arctic.Max = c(-0.2, 0.5, -1.1)
)

2. 数据重塑步骤 #

# 第一步：将所有列转长格式，同时拆分列名为「区域」和「属性」
df_long <- df %>%
  pivot_longer(
    cols = everything(),
    names_to = c("Region", "Attribute"),
    names_sep = "\\.",  # 按列名中的点分隔符拆分，若你的分隔符不同可修改
    values_to = "Value"
  )

# 第二步：提取年份数据，建立区域-年份的映射关系
year_mapping <- df_long %>%
  filter(Attribute == "Year.CE") %>%  # 匹配你的年份列命名
  rename(Year = Value) %>%
  select(Region, Year)

# 第三步：提取温度相关属性数据
temp_data <- df_long %>%
  filter(Attribute != "Year.CE") %>%
  select(Region, Attribute, Value)

# 第四步：合并并转宽，生成目标格式（自动填充NA）
final_df <- year_mapping %>%
  full_join(temp_data, by = "Region") %>%
  pivot_wider(
    names_from = c(Region, Attribute),
    values_from = Value
  ) %>%
  arrange(Year)

3. 关键调整说明 #

• 如果你的列名分隔符不是.，修改names_sep参数（比如下划线就用"_"）
• 如果年份列的命名不是Year.CE，调整filter(Attribute == "Year.CE")中的匹配值
• full_join会自动生成所有区域-年份的组合，缺失数据的位置自动填充NA

内容的提问来源于stack exchange，提问作者Sophie Williams