如何使用pivot_longer处理两组序列列实现宽表转长表

正确转换代码 #

library(tidyr)
library(dplyr)

test_pivot <- df %>%
  # 仅筛选start_date_*和end_date_*列，保留id、wt、gen作为标识列
  pivot_longer(
    cols = starts_with(c("start_date", "end_date")),
    # .value保留列名前缀（start_date/end_date）作为新列名，number存储序列编号
    names_to = c(".value", "number"),
    # 正则捕获前缀（如start_date）和后缀数字
    names_pattern = "([a-z_]+)_(\\d+)"
  ) %>%
  # 生成期望输出中的列名字段
  mutate(
    start_date = paste0("start_date_", number),
    end_date = paste0("end_date_", number)
  ) %>%
  # 调整列顺序并匹配期望输出的列名
  select(id, start_date, start_date_date = start_date, end_date, end_date_date = end_date, wt, gen) %>%
  # 移除临时编号列
  select(-number)

问题修正说明 #

你之前的尝试存在三个核心问题：

1. 列选择错误：cols = everything()会把id、wt、gen这些无需转长的标识列也纳入转换，导致结果混乱。改用starts_with(c("start_date", "end_date"))可精准筛选目标列，不受列顺序影响。
2. 正则匹配错误：原正则([a-z]+_)(\\d)仅能匹配start_或end_，漏掉了date部分。新正则([a-z_]+)_(\\d+)可完整捕获start_date/end_date前缀和后续数字编号。
3. 命名逻辑错误：names_to的第二个参数命名应为number（表示序列编号），而非end_date，避免语义混淆。

大规模数据集适配 #

• 该方法不依赖列的排列顺序，starts_with可高效匹配数百个start_date_n/end_date_n列。
• pivot_longer是tidyr优化后的函数，处理数千个唯一ID的大规模数据时性能稳定，确保使用最新版本的tidyr即可。

示例输出（以ID=1为例） #

id  start_date start_date_date  end_date end_date_date wt gen
1  1 start_date_1      2022-04-03 end_date_1      2022-04-03 12   m
2  1 start_date_2      2022-04-03 end_date_2      2022-04-03 12   m
3  1 start_date_3      2022-04-03 end_date_3      2022-04-03 12   m

内容的提问来源于stack exchange，提问作者Cae.rich