R语言数据框清理：规整输入与输出列的位置

先明确需求：把所有以.1结尾的标识（比如A.1、B.1）统一放到V1列，对应的成对输出（如abc&123）放到V2和V3列，无输出的标识对应位置填NA。

解决思路 #

核心是先提取所有.1结尾的标识，再逐个匹配它们对应的输出值：

• 把宽格式的混乱数据转成长格式，方便遍历所有条目
• 筛选出所有.1结尾的标识，作为V1的完整列表
• 对每个标识，查找它之后的非.1条目作为对应输出；如果后续紧跟的还是.1标识，说明该标识无输出，填NA

具体代码实现 #

用tidyverse工具包处理（未安装先运行install.packages("tidyverse")）：

library(tidyverse)

# 原始混乱数据
df <- data.frame(V1 = c("A.1", NA, "B.1", NA, "C.1", NA, NA, "E.1", NA, NA, NA, NA, NA, "H.1"),
                 V2 = c(NA, "abc", NA, "def", NA, "D.1", "ghi", NA, "F.1", "C.1", "E.1", "G.1", "jkl", "mno"),
                 V3 = c(NA, "123", NA, "456", NA, NA, "789", NA, NA, NA, NA, NA, "101", "112"))

# 步骤1：转成长格式，保留行号和列信息
df_long <- df %>%
  mutate(row_num = row_number()) %>%
  pivot_longer(-row_num, names_to = "col", values_to = "value") %>%
  filter(!is.na(value)) %>%
  arrange(row_num, col)

# 步骤2：标记所有.1结尾的条目，提取V1列表
df_long <- df_long %>%
  mutate(is_v1 = str_detect(value, "\\.1$")) %>%
  mutate(v1_id = cumsum(is_v1))

# 步骤3：分组匹配每个V1对应的V2和V3
df_clean <- df_long %>%
  group_by(v1_id) %>%
  summarise(
    V1 = first(value[is_v1]),
    V2 = ifelse(sum(!is_v1) >=1, value[!is_v1][1], NA),
    V3 = ifelse(sum(!is_v1) >=2, value[!is_v1][2], NA)
  ) %>%
  select(-v1_id)

# 查看结果
print(df_clean)

结果验证 #

运行后得到的df_clean和目标结构完全一致：

V1   V2   V3
1   A.1 abc 123
2   B.1 def 456
3   C.1 <NA> <NA>
4   D.1 ghi 789
5   E.1 <NA> <NA>
6   F.1 <NA> <NA>
7   C.1 <NA> <NA>
8   E.1 <NA> <NA>
9   G.1 jkl 101
10  H.1 mno 112

补充说明 #

• str_detect(value, "\\.1$")精准匹配以.1结尾的字符串，避免误匹配其他含.1的内容
• 转长格式后按行号排序，保证条目顺序和原始数据一致
• 分组后通过sum(!is_v1)判断当前V1条目是否有对应输出，有则取前两个作为V2和V3，无则填NA

内容的提问来源于stack exchange，提问作者Jen