如何基于列名前缀分组执行pivot longer？求通用tidyverse方案

嘿，我来帮你搞定这个能适配任意前缀分组的pivot处理问题！先从重现你的示例数据集开始，确保大家都能复现场景：

library(tidyverse)
library(data.table) # 仅用于生成示例数据，核心逻辑依赖tidyverse

set.seed(1)
df <- data.table(
  date = rep(seq(as.Date("2020-01-01"),as.Date("2020-01-05"),by="day"),each=6),
  k = rep(c("A.mean","A.median","A.min","B.mean","B.median","B.min"),5),
  v = runif(30,0,50)
) %>% pivot_wider(names_from = k, values_from = v)

head(df)

接下来是通用处理代码——不管你有多少个前缀分组（比如A、B、C、D...），都能自动完成转换：

df_general <- df %>%
  # 第一步：把所有非date的宽列转成长格式，统一处理所有前缀列
  pivot_longer(
    cols = -date,
    names_to = "key",
    values_to = "value"
  ) %>%
  # 第二步：拆分列名，提取分组前缀和统计量名称
  separate(
    col = key,
    into = c("k", "stat"),
    sep = "\\.", # 正则转义匹配点号，若你的分隔符是下划线，改成`sep = "_"`即可
    remove = TRUE
  ) %>%
  # 第三步：将统计量转回列，还原成你需要的最终格式
  pivot_wider(
    names_from = stat,
    values_from = value
  )

head(df_general)

代码逻辑解释 #

• pivot_longer：先打破原有的宽格式结构，把所有带前缀的列统一转成「key-value」长格式，避免手动分组处理的局限性。
• separate：这是实现通用化的核心——通过正则匹配分隔符，自动从列名里拆分出分组前缀（比如"A"、"B"）和统计量类型（"mean"、"median"），不管前缀有多少种都能适配。
• pivot_wider：最后把统计量类型转回列，得到和你手动处理完全一致的结果结构。

验证结果一致性 #

你可以对比手动处理和通用方法的结果，完全一致：

# 你的手动处理代码（仅支持A、B两组）
df_manual <- df %>% 
  select(date,matches("A\\.")) %>% 
  rename_with(~str_replace(.x,"A\\.","")) %>% 
  mutate( k = "A") %>% 
  bind_rows(
    df %>% 
      select(date,matches("B\\.")) %>% 
      rename_with(~str_replace(.x,"B\\.","")) %>% 
      mutate( k = "B")
  )

# 检查两个结果是否完全相同
all.equal(df_general, df_manual) # 返回TRUE

内容的提问来源于stack exchange，提问作者Eric