如何在R语言中将多维data.frame转换为一维data.frame

嗨，这个需求本质上是把宽格式的多维数据框转换成符合tidy数据规范的长格式，我给你梳理下具体的操作步骤，用R语言就能轻松搞定：

第一步：先处理特殊的两行表头 #

你的原始数据有两行表头（日期行和污染物类型行），得先把它们合并成清晰的复合列名，不然后续处理会混乱：

# 假设你已经把数据读进R里了（比如用read.csv(header=FALSE)读取，因为有两行表头）
# 提取第一行的日期信息（从第三列开始）
dates <- df1[1, -c(1, 2)]
# 提取第二行的污染物类型信息（从第三列开始）
types <- df1[2, -c(1, 2)]
# 提取实际的数据行（跳过前两行表头）
data_rows <- df1[-c(1, 2), ]
# 给数据行设置列名：前两列是site和站点编码（你原始里的date列其实是站点标识），后面是日期+类型的复合名
colnames(data_rows) <- c("site", "site_code", paste(dates, types))
# 把数值列转成数值类型（避免后续计算出问题）
data_rows[, -c(1, 2)] <- lapply(data_rows[, -c(1, 2)], as.numeric)

第二步：用tidyr包重塑数据 #

推荐用tidyverse生态里的tidyr::pivot_longer函数，这是目前最常用的宽转长工具：

library(tidyr)
library(dplyr) # 辅助调整列顺序

# 执行宽转长操作
df_final <- data_rows %>%
  pivot_longer(
    cols = -c(site, site_code), # 保留site和站点编码列
    names_sep = " ", # 拆分复合列名的分隔符（我们之前用空格合并的）
    names_to = c("date", "type"), # 拆分后分别对应监测日期和污染物类型
    values_to = "value" # 存储数值的列名
  ) %>%
  # 调整列的顺序，和你期望的输出完全匹配
  select(site, site_code, date, type, value)

备选方案：用reshape2包的melt函数 #

如果你习惯用旧一点的reshape2包，也可以这么写：

library(reshape2)

# 先转成初步的长格式
df_melted <- melt(data_rows, id.vars = c("site", "site_code"), 
                  variable.name = "date_type", value.name = "value")
# 拆分复合列名成日期和类型
df_melted <- cbind(df_melted, colsplit(df_melted$date_type, " ", c("date", "type")))
# 调整列顺序得到最终结果
df_final <- df_melted %>% select(site, site_code, date, type, value)

小提示 #

• 如果合并列名时用的不是空格（比如下划线），记得对应修改names_sep或者colsplit的分隔符；
• 如果你的数据是从Excel导入的，也可以先在Excel里把两行表头合并成一行（比如改成2019-01-01_PM2.5），再读入R处理，步骤会更简单。

内容的提问来源于stack exchange，提问作者jinchi