如何用R循环按条件多次拼接多列生成日期列

方法一：Base R 循环实现（适合新手理解） #

通过提取所有join_编号，循环处理每组日期列：

# 提取所有唯一的join编号（0到400）
join_ids <- unique(sub("join_(\\d+)_.*", "\\1", colnames(df)[-1]))

# 循环处理每个编号
for(id in join_ids) {
  # 构造各列名称
  year_col <- paste0("join_", id, "_year")
  month_col <- paste0("join_", id, "_month")
  day_col <- paste0("join_", id, "_day")
  date_col <- paste0("join_", id, "_date")
  
  # 拼接日期列（字符串格式）
  df[[date_col]] <- paste(df[[year_col]], df[[month_col]], df[[day_col]], sep = "-")
  # 可选：转换为标准Date类型，方便后续日期操作
  # df[[date_col]] <- as.Date(df[[date_col]])
  
  # 删除原有的年月日列
  df <- df[, !colnames(df) %in% c(year_col, month_col, day_col)]
}

# 重新排列列顺序，name在前，其余列按join编号排序
df <- df[, c("name", sort(colnames(df)[-1]))]

步骤说明： #

1. 提取编号：用正则表达式从列名中提取join_后的数字，得到所有需要处理的编号（0到400）。
2. 循环处理：动态构造对应编号的列名，拼接年月日为日期字符串，删除无用的原列。
3. 调整顺序：确保列按name→join_0相关列→join_1相关列的逻辑排列。

方法二：Tidyverse 高效实现（适合大数据量） #

利用数据重塑函数批量处理，无需手动循环：

library(tidyverse)

df_processed <- df %>%
  # 宽表转长表，拆分列名为前缀（join_0/join_1...）和类型（year/month/day/team）
  pivot_longer(
    cols = -name,
    names_to = c("prefix", "type"),
    names_pattern = "(join_\\d+)_(.*)"
  ) %>%
  # 按name和前缀分组，合并日期并保留team信息
  group_by(name, prefix) %>%
  summarize(
    date = paste(first(value[type == "year"]), first(value[type == "month"]), first(value[type == "day"]), sep = "-"),
    # 可选：转换为标准Date类型
    # date = as.Date(date),
    team = first(value[type == "team"]),
    .groups = "drop"
  ) %>%
  # 长表转回宽表，生成目标列名（join_0_date/join_0_team...）
  pivot_wider(
    names_from = prefix,
    values_from = c(date, team),
    names_glue = "{prefix}_{.value}"
  ) %>%
  # 调整列顺序，name在前，其余列按join编号排序
  select(name, order(str_extract(colnames(.)[-1], "\\d+")) + 1)

步骤说明： #

1. 宽转长：把分散的join_*列拆分为分组前缀和数据类型，统一处理逻辑。
2. 分组合并：按用户和join编号分组，拼接日期并保留团队信息。
3. 长转宽：将处理后的数据转回宽表，自动生成符合需求的列名。
4. 调整顺序：确保列按预期逻辑排列。

内容的提问来源于stack exchange，提问作者Bradley Allf