R语言如何将含年龄性别合并列的数据集转换为指定格式

当前需要处理的数据集列名同时编码了年龄分组、性别两类维度信息，典型列名格式如Y_0_13_Males、Y_0_13_Females、Y_0_13_Unknown，本次测试用的示例数据集如下：

structure(list(Y_O_13_Males = c(5, 0, 0, 0, 0), Y_O_13_Females = c(4, 
0, 0, 0, 0), Y_O_13_Unknown = c(1, 0, 0, 0, 0), Y65_And_Over_Males = c(0, 
0, 0, 0, 0), Y65_And_Over_Females = c(0, 0, 0, 0, 0), Y65_And_Over_Unknown = c(0, 
0, 0, 0, 0), Unknown_And_Over_Males = c(0, 0, 0, 0, 0), Unknown_And_Over_Females = c(0, 
0, 0, 0, 0), Unknown_And_Over_Unknown = c(0, 0, 0, 0, 0)), row.names = c(NA, 
-5L), class = c("tbl_df", "tbl", "data.frame"))

需要将上述宽格式数据转换为如下目标长表结构：

使用R语言tidyverse生态的工具可以快速完成转换，不需要手动写循环处理列名，适配所有同规则的列名格式：

• 先给原始数据的每一行添加唯一行标识，避免宽转长时数据错位
• 调用pivot_longer将所有编码了维度的列转为长格式，暂存列名和对应统计值
• 用正则拆分列名：所有列名最后一个下划线后的固定为性别值（Males/Females/Unknown），下划线前的所有内容为年龄分组，拆分后直接得到结构化字段

完整可运行代码：

# 加载依赖，首次使用需先运行 install.packages("tidyverse")
library(tidyverse)

# 读取示例数据
raw_df <- structure(list(Y_O_13_Males = c(5, 0, 0, 0, 0), Y_O_13_Females = c(4, 
0, 0, 0, 0), Y_O_13_Unknown = c(1, 0, 0, 0, 0), Y65_And_Over_Males = c(0, 
0, 0, 0, 0), Y65_And_Over_Females = c(0, 0, 0, 0, 0), Y65_And_Over_Unknown = c(0, 
0, 0, 0, 0), Unknown_And_Over_Males = c(0, 0, 0, 0, 0), Unknown_And_Over_Females = c(0, 
0, 0, 0, 0), Unknown_And_Over_Unknown = c(0, 0, 0, 0, 0)), row.names = c(NA, 
-5L), class = c("tbl_df", "tbl", "data.frame"))

# 执行转换
long_df <- raw_df %>%
  mutate(row_seq = row_number()) %>%
  pivot_longer(cols = -row_seq, names_to = "raw_colname", values_to = "count") %>%
  separate_wider_regex(
    raw_colname,
    patterns = c(
      age_group = ".*(?=_(Males|Females|Unknown)$)",
      "_",
      sex = ".*"
    )
  ) %>%
  select(-row_seq)

转换后输出的long_df包含age_group（年龄分组）、sex（性别）、count（统计值）三个字段，和目标结构完全匹配，即使后续新增同规则的年龄/性别列，代码也不需要修改可以直接运行。

内容的提问来源于stack exchange，提问作者silent_hunter