使用dplyr重塑数据：将2列转为带额外标签的1列（替代方案）

你当前用拆分再全连接的方法虽然能实现需求，但确实在处理大规模数据集时效率不高——毕竟要创建两个中间数据框再合并，会额外占用内存。其实R里有专门处理宽长格式转换的工具，效率和简洁度都要好得多，推荐用tidyr包的pivot_longer()函数，这是为这类场景量身打造的。

先看下你的示例数据：

# 构造示例数据框
df <- data.frame(
  Date = c("2011-08-05", "2013-10-06", "2014-9-21", "2015-12-25", "2016-10-21"),
  Identifier1 = rep("A1", 5),
  Identifier2 = rep("A2", 5),
  Status = rep(1, 5),
  UsageGroup = rep(2, 5),
  Value1 = c(3022, 5368, 9567, 15002, 18001),
  Value2 = c(30, 62, 112, 178, 236)
)

只用一行核心代码就能完成你想要的转换：

library(tidyr)

# 宽格式转长格式
df_long <- df %>%
  pivot_longer(
    cols = starts_with("Value"),  # 指定要转换的目标列（所有以Value开头的列）
    names_to = "Id",              # 原列名存入新列Id
    values_to = "Value",          # 原列的值存入新列Value
    names_prefix = "Value"        # 去掉列名里的"Value"前缀，直接得到数字1、2
  )

# 可选：将Id转换为整数类型（如果需要的话）
df_long <- df_long %>% mutate(Id = as.integer(Id))

这个方法的优势： #

• 效率更高：不需要拆分数据框再合并，避免了额外的内存占用和计算开销，处理大规模数据集时速度提升明显
• 代码更简洁：一行核心逻辑就能完成转换，可读性和可维护性更强
• 扩展性好：如果以后新增Value3、Value4这类列，不需要修改代码，starts_with("Value")会自动识别处理

如果你还没安装tidyr包，先运行install.packages("tidyr")完成安装即可，它属于tidyverse生态工具，是日常数据处理的常用包。

内容的提问来源于stack exchange，提问作者tfkLSTM