新手如何使用pivot_longer实现数据集长宽格式转换

核心逻辑 #

pivot_longer是R语言tidyr包中用于宽表转长表的函数，你可以把它理解成「叠列」操作：把多列存储的同类型数据纵向堆叠，最终生成两列核心数据：一列存原表的列名（也就是你要的维度值，比如这里的年份），一列存原表对应单元格的数值。
你只需要记4个最常用的核心参数，就能覆盖90%的使用场景：

• data：传入需要转换的原始数据集
• cols：指定哪些列需要被纵向堆叠，这些列的列名通常本身是某一个变量的取值（比如本例中的1960、1962、1963列，列名本身就是年份值）
• names_to：给堆叠后存储原列名的新列指定列名
• values_to：给堆叠后存储原单元格数值的新列指定列名

针对你的数据集的转换步骤 #

你的原始数据第一行是错位的无效表头，需要先做简单清理，再做长宽转换，完整代码如下：

# 加载需要的包
library(tidyr)
library(dplyr)

# 1. 读取并清理原始数据，去掉错位的无效表头行
raw_data <- tibble(
  col1 = c("Data", "Country", "Norway"),
  col2 = c("World", "Code", "NOR"),
  col3 = c("1", "1960", "3.5"),
  col4 = c("2", "1962", "2.7"),
  col5 = c("3", "1963", "5.4")
)
# 提取第二行作为有效表头，第三行作为有效数据
valid_header <- raw_data[2, ] |> unlist(use.names = FALSE)
clean_df <- raw_data[3, ]
colnames(clean_df) <- valid_header

# 2. 用pivot_longer做宽转长
final_df <- clean_df |>
  pivot_longer(
    # 要堆叠的列：排除国家名、国家编码两列，剩下的所有年份列都要转
    cols = -c(Country, Code),
    # 原列名（年份）存到叫Year的新列
    names_to = "Year",
    # 原数值存到叫Norway的新列，匹配你的目标表列名
    values_to = "Norway"
  ) |>
  # 调整列顺序，和你要的目标结构完全一致
  select(Norway, Year)

运行后得到的final_df结构完全匹配你的需求：

常见踩坑提醒 #

用pivot_longer最容易出错的地方是cols参数选不对：你就判断列的属性，如果列名本身是一个变量的具体取值（比如年份、月份、分类标签），这些列就需要放进cols里做堆叠；如果列里存的是观测的固定属性（比如国家ID、用户名这类不会随维度变化的值），就排除掉不用转。

内容的提问来源于stack exchange，提问作者user17530453