R语言将含数百个月份列的宽数据集转换为长格式

问题背景 #

• 现有存储YouTube频道数据的宽表：包含频道名称Channel_title、3类受众标签列，以及数百个按YYYY-MM格式命名的月度浏览量列。
• 转换目标：保留频道名称、受众标签列，将所有月度浏览量列拆分为Month（月份）、Views_for_that_month（当月浏览量）两个字段，输出标准长格式表。
• 原有尝试代码：long <- melt(setDT(DF), id.vars = colnames(DF), variable.name = "Channel_title") 无法得到预期结果。

原代码错误原因 #

• id.vars参数传入了全部列名，意味着没有指定需要拉长的度量列，转换逻辑不成立。
• variable.name错误映射为已存在的Channel_title字段，列名匹配逻辑完全错误。

可直接复用的实现代码 #

两种方案均自动识别所有符合年月命名规则的列，无需手动枚举数百个月份列，可直接适配你的实际数据场景。

方案1：tidyverse 方案（语法直观，适合常规数据量） #

library(tidyverse)

long_df <- DF %>%
  pivot_longer(
    cols = matches("^\\d{4}-\\d{2}$"), # 自动匹配所有YYYY-MM格式的月份列
    names_to = "Month",
    values_to = "Views_for_that_month"
  ) %>%
  # 以下为匹配目标结构的可选操作
  mutate(
    # 将字符串格式的TRUE/FALSE转为逻辑型
    across(c(Kids_13_and_under, `Teens_13-17`, Adults_17_and_older), as.logical)
  ) %>%
  # 重命名列匹配目标格式
  rename(Teens_13_17 = `Teens_13-17`)

方案2：data.table 方案（性能优异，适合百万行以上大数据量） #

library(data.table)

setDT(DF)
# 自动识别所有月份列
month_cols <- grep("^\\d{4}-\\d{2}$", colnames(DF), value = TRUE)

long_dt <- melt(
  DF,
  id.vars = setdiff(colnames(DF), month_cols), # 非月份列全部保留为标识列
  measure.vars = month_cols,
  variable.name = "Month",
  value.name = "Views_for_that_month"
)

# 以下为匹配目标结构的可选操作
long_dt[, c("Kids_13_and_under", "Teens_13-17", "Adults_17_and_older") := 
          lapply(.SD, as.logical), 
        .SDcols = c("Kids_13_and_under", "Teens_13-17", "Adults_17_and_older")]
setnames(long_dt, "Teens_13-17", "Teens_13_17")

输出效果 #

运行代码后得到的长表完全匹配目标结构：每个频道对应每个月一行数据，频道属性列自动复用填充，月度浏览量和月份一一对应。

内容的提问来源于stack exchange，提问作者firmo23