使用Reshape函数实现宽表转长表的复杂数据重塑问询

看起来你在把宽表转长表的过程中遇到了两个关键卡点：日期格式的标准化，以及不同周数对应不同数量Degree行的重塑逻辑。我会结合你的需求给出更可靠的解决方案，优先推荐用tidyr（tidyverse生态工具）来处理，比base R的reshape更灵活直观。

第一步：补全前置数据清洗（关键遗漏步骤） #

你已经完成了列名替换和去重，但别忘了把原来充当表头的第一行从数据中移除，否则会导致数据混入重复表头内容：

# 基于你的原有代码补充这一步
col <- colnames(df2)
colnames(df2) <- as.character(unlist(df2[1,]))
df2 <- df2[-1, ]  # 删除原表头行
df2 <- df2[, !duplicated(colnames(df2))]

第二步：处理周格式日期转换 #

针对2020-Wk1这类列名，我们可以用lubridate包将其转换为标准日期（默认取每周第一天，也可自定义）：

library(lubridate)
# 把"2020-Wk1"转为标准周格式"2020-W1"，再转成日期
convert_week_date <- function(week_str) {
  cleaned_str <- str_replace(week_str, "Wk", "W")
  ymd(cleaned_str, truncated = 2)  # truncated=2表示自动补全年周对应的日期
}

第三步：灵活完成长表重塑（解决Degree行数不一致问题） #

base R的reshape在处理不规则列分组时容易出错，推荐用tidyr::pivot_longer，它能清晰处理多列分组逻辑：

library(tidyr)
library(dplyr)

# 识别所有以"2020-Wk"开头的周列
week_cols <- str_subset(colnames(df2), "^2020-Wk")

data2 <- df2 %>%
  pivot_longer(
    cols = all_of(week_cols),
    names_to = "year_week",  # 提取周标识作为新列
    values_to = "Degree",    # 把原列的数值存入Degree列
    values_drop_na = TRUE    # 自动过滤不同周数下的空值（对应Degree行数不同的情况）
  ) %>%
  # 转换日期格式
  mutate(
    week_date = convert_week_date(year_week)
  )

如果你坚持用base R的reshape方案 #

如果不想引入tidyverse，也可以调整reshape的参数来适配不规则分组：

# 按周列名分组整理varying参数
varying_groups <- split(colnames(df2)[-1], str_extract(colnames(df2)[-1], "2020-Wk\\d+"))

data2 <- reshape(
  df2,
  direction = "long",
  idvar = "row_id",
  ids = 1:nrow(df2),
  varying = varying_groups,
  v.names = "Degree",
  timevar = "year_week",
  times = names(varying_groups)
)

# 转换日期格式
data2$week_date <- convert_week_date(data2$year_week)

关键建议 #

• 务必删除表头行：这是很多人容易忽略的点，不删除会导致数据混入无效的表头文本，影响后续分析。
• 优先选择tidyverse工具：pivot_longer的语法更直观，处理不规则列分组时容错性更强，后期维护代码也更轻松。
• 验证日期格式：转换后可以用class(data2$week_date)确认是Date类型，避免后续时间相关分析出错。

内容的提问来源于stack exchange，提问作者Aditya