如何在R中处理含年度与月度数据的pivot_longer转换？

先构造一份和你描述匹配的示例宽格式数据，方便演示：

library(tidyverse)

wide_data <- tibble(
  region_name = c("北京", "上海"),
  total_population_2019 = c(2154, 2428),
  total_population_2020 = c(2189, 2487),
  mean_temperature_2019_1 = c(-3.1, 3.2),
  mean_temperature_2019_2 = c(-0.7, 5.6),
  mean_temperature_2020_1 = c(-2.5, 4.1),
  mean_temperature_2020_2 = c(0.3, 6.2)
)

下面提供两种可行的实现方式：

方法一：拆分处理后合并 #

这种方式逻辑直观，适合新手理解：

1. 单独提取年度人口列，转成长格式并提取年份
2. 单独提取月度气温列，转成长格式并提取年份、月份
3. 按地区和年份将两个数据集合并，自动匹配对应年份的总人口到每个月度行

# 处理年度人口数据
pop_long <- wide_data %>%
  select(region_name, starts_with("total_population")) %>%
  pivot_longer(
    cols = starts_with("total_population"),
    names_to = "year",
    names_prefix = "total_population_",
    values_to = "total_population"
  ) %>%
  mutate(year = as.integer(year))

# 处理月度气温数据
temp_long <- wide_data %>%
  select(region_name, starts_with("mean_temperature")) %>%
  pivot_longer(
    cols = starts_with("mean_temperature"),
    names_to = c("year", "month"),
    names_pattern = "mean_temperature_(\\d{4})_(\\d{1,2})",
    values_to = "mean_temperature"
  ) %>%
  mutate(year = as.integer(year), month = as.integer(month))

# 合并得到最终长格式数据
final_long <- temp_long %>%
  left_join(pop_long, by = c("region_name", "year"))

方法二：一次性pivot处理（更简洁） #

利用正则表达式匹配不同类型的列名，一次性完成格式转换，再通过分组填充匹配总人口：

final_long <- wide_data %>%
  # 所有列转长格式，提取变量类型、年份、月份
  pivot_longer(
    cols = -region_name,
    names_to = c("variable_type", "year", "month"),
    # 正则匹配：区分人口/气温前缀，提取四位年份，可选提取月份
    names_pattern = "(total_population|mean_temperature)_(\\d{4})(?:_(\\d{1,2}))?",
    values_to = "value"
  ) %>%
  # 把人口和气温转回宽格式列
  pivot_wider(
    names_from = variable_type,
    values_from = value
  ) %>%
  # 按地区+年份分组，填充该组内的总人口值
  group_by(region_name, year) %>%
  fill(total_population, .direction = "downup") %>%
  ungroup() %>%
  # 移除只有人口的空气温行
  drop_na(mean_temperature)

两种方法最终都会得到目标长格式：每行对应一个地区-年份-月份的组合，同时包含当月气温和当年总人口。

内容的提问来源于stack exchange，提问作者markpc