是否存在比先pivot_longer再pivot_wider更简便的数据转换方案？

问题场景 #

你有如下结构的原始数据集：

region  year  people  cash
0   area1   2020  32      29
1   area1   2021  43      40
2   area2   2020  51      23
3   area2   2021  99      98

想要转换成这种格式：

variable  area1  area2  year
0   people    32     51     2020
1   cash      29     23     2020
2   people    43     99     2021
3   cash      40     98     2021

目前已经用这段代码实现，但觉得先转长再转宽的步骤有点繁琐：

data_long <- data %>%
  pivot_longer(-c(region,year)) %>%
  pivot_wider(names_from = region) %>%
  select(variable, area1, area2, year)

下面给你几个更简便的替代方案：

简化方案 #

1. 优化tidyverse链式代码 #

可以去掉中间变量，直接用链式操作完成，还可以用relocate替代select，更贴合“调整列顺序”的语义：

data %>%
  pivot_longer(-c(region, year), names_to = "variable") %>%
  pivot_wider(names_from = region, values_from = value) %>%
  relocate(variable, area1, area2, year)

这段代码和你的原逻辑一致，但写法更紧凑，没有多余的中间变量，可读性也更好。

2. 用data.table一步完成重塑 #

如果可以使用data.table包，能通过dcast和melt的组合实现更直接的转换，步骤更集中：

library(data.table)
setDT(data)
dcast(data, year + variable ~ region, value.var = c("people", "cash")) %>%
  melt(id.vars = "year", measure.vars = patterns("people", "cash"),
       variable.name = "variable", value.name = c("area1", "area2")) %>%
  setcolorder(c("variable", "area1", "area2", "year"))

这种方式适合熟悉data.table语法的场景，代码整体更凝练。

3. 极简tidyverse写法（保留核心逻辑） #

其实你的原逻辑本身已经很清晰，只是可以去掉中间变量，直接链式执行，代码会简洁很多：

data %>%
  pivot_longer(-c(region, year)) %>%
  pivot_wider(names_from = region) %>%
  select(variable, area1, area2, year)

去掉data_long中间变量后，代码更清爽，逻辑也一目了然。

内容的提问来源于stack exchange，提问作者bajun65537