如何在R中将含重复列名的合并DataFrame拆分为子DataFrame

针对你遇到的多组重复列横向合并的数据框拆分需求，以下是通用的处理方案，兼容不同数量的重复列组、无列名的情况：

核心思路 #

1. 识别数据框中的唯一列名集合，确定每组的列数
2. 按组拆分原数据框的列
3. 对每个子数据框过滤掉全NA的行
4. 可选择将子数据框存入全局环境或用列表统一管理

方法一：Base R 实现（轻量高效） #

# 1. 提取唯一列名，计算分组参数
unique_cols <- unique(names(df))
cols_per_group <- length(unique_cols)
num_groups <- ncol(df) %/% cols_per_group

# 2. 拆分并处理每个分组
sub_dfs <- lapply(1:num_groups, function(i) {
  # 定位当前组的列索引
  start_idx <- (i - 1) * cols_per_group + 1
  end_idx <- i * cols_per_group
  # 提取子数据框并重命名列（避免重复列名问题）
  sub_df <- df[, start_idx:end_idx]
  names(sub_df) <- unique_cols
  # 过滤全NA的行（保留至少有一个非NA值的行）
  sub_df[rowSums(!is.na(sub_df)) > 0, ]
})

# 3. （可选）将子数据框存入全局环境，命名为df1、df2...
names(sub_dfs) <- paste0("df", 1:num_groups)
list2env(sub_dfs, .GlobalEnv)

方法二：dplyr + tidyr 实现（灵活易读） #

如果习惯 tidyverse 语法，可使用以下代码：

library(dplyr)
library(tidyr)

# 生成列的分组ID
unique_cols <- unique(names(df))
group_ids <- rep(1:(ncol(df)/length(unique_cols)), each = length(unique_cols))

# 长格式转换拆分后再转回宽格式
sub_dfs <- df %>%
  mutate(row_id = row_number()) %>%
  pivot_longer(-row_id, names_to = "col_name", values_to = "value") %>%
  mutate(group = group_ids) %>%
  pivot_wider(names_from = col_name, values_from = value) %>%
  group_split(group) %>%
  lapply(function(x) {
    x %>% 
      select(-row_id, -group) %>% 
      filter(rowSums(!is.na(.)) > 0)
  })

# （可选）存入全局环境
names(sub_dfs) <- paste0("df", 1:length(sub_dfs))
list2env(sub_dfs, .GlobalEnv)

关键说明 #

• 兼容无列名的情况：导入时无列名的列（如示例中的empty）会被自动纳入唯一列名集合，不影响拆分逻辑
• 适配不同列数：无论你的工作表包含A/B/C还是D/E等更多列，只要列是按组重复排列的，代码都能自动识别分组
• 推荐用列表管理：如果分组数量较多，建议直接使用sub_dfs列表操作子数据框，避免污染全局环境

内容的提问来源于stack exchange，提问作者user2165379