R语言如何使用pivot_longer将按月拆分的宽格式数据转为长格式

完全可以使用pivot_longer()实现该转换，这是该函数的典型适用场景，具体实现步骤如下：

• 加载依赖包
  pivot_longer()属于tidyr包，可单独加载tidyr，也可直接加载整合了数据处理全流程功能的tidyverse包：

  library(tidyr)
  # 可选：加载完整tidyverse集合
  # library(tidyverse)
  

• 确认原始数据格式
  转换前需保证待拉长的指标列命名符合指标名_月份的规则，和你给出的Accrued_Jan、Paid_Feb这类命名一致，id、Country、City三个固定列无需预处理。
  以下是和你描述完全匹配的示例宽表，可对照检查自己的数据集结构：

  # 示例宽格式数据
  wide_data <- data.frame(
    id = 1:2,
    Country = c("China", "United States"),
    City = c("Beijing", "Chicago"),
    Accrued_Jan = c(120, 340),
    Accrued_Feb = c(150, 360),
    Accrued_Mar = c(180, 410),
    Paid_Jan = c(90, 300),
    Paid_Feb = c(130, 320),
    Paid_Mar = c(160, 390)
  )
  

• 执行宽转长核心代码
  转换的核心逻辑是：选中所有非固定列，将列名按下划线拆分为两部分，第一部分直接作为新的值列列名（即Accrued、Paid），第二部分提取为月份存入新增的Month列，代码如下：

  long_data <- pivot_longer(
    data = wide_data,
    # 选中排除3个固定列外的所有待转换列
    cols = !c(id, Country, City),
    # 拆分列名后，第一部分作为值列名，第二部分存入Month字段
    names_to = c(".value", "Month"),
    # 指定列名的拆分分隔符为下划线
    names_sep = "_"
  )
  

• 结果校验
  运行后得到的长表将保留id、Country、City三个原始固定列，新增Month列存储Jan、Feb、Mar三类月份值，同时生成Accrued、Paid两个独立列存储对应月份的指标数值，可通过head(long_data)直接查看转换结果。

补充说明：如果你的列名不是以下划线作为分隔符，只需替换names_sep参数为实际分隔符即可；如果列名规则更复杂，可替换为names_pattern参数传入正则表达式匹配拆分规则，你当前的列命名格式用names_sep = "_"是最简洁的实现方式。

内容的提问来源于stack exchange，提问作者Martin