这问题我太熟了！你现在手动绑定的方法虽然能搞定5个时间点的情况，但要是以后时间点变多、变量更复杂，肯定会头疼。其实用tidyverse生态里的tidyr::pivot_longer()就能完美解决这种配对变量组的宽转长需求，比你之前的方法简洁高效太多。

核心思路：利用变量命名规律自动配对 #

你的数据里Time1对应Measurement11、Time2对应Measurement21，变量名里的数字是关键的配对标识——只要告诉工具这个命名规律，它就能自动把同一时间点的Time和Measurement放到同一行。

具体代码实现 #

假设你的宽格式数据框叫data_wide，直接运行下面的代码：

library(tidyverse)

# 宽转长，自动配对Time和对应Measurement
data_long <- data_wide %>%
  pivot_longer(
    cols = -Id,  # 保留Id列，转换其他所有列
    names_to = c(".value", "time_id"),  # .value表示保留原变量类型（Time/Measurement），time_id提取时间点编号
    names_pattern = "(Time|Measurement)(\\d+)"  # 正则匹配：拆分变量名的前缀和后缀数字
  ) %>%
  # 调整列顺序到你想要的目标格式
  select(Id, Time, starts_with("Measurement"))

代码细节解释 #

• names_pattern = "(Time|Measurement)(\\d+)"：用正则把每个变量名拆成两部分，比如Time1拆成Time和1，Measurement11拆成Measurement和1——工具会自动把后缀数字相同的变量归为同一时间点，放到同一行。
• .value是pivot_longer的特殊参数，它会把前缀相同的变量（比如所有Time开头的）合并成一列，前缀直接作为新列名，完美保留变量原本的含义。
• 最后用select调整列顺序，和你想要的目标格式完全匹配。

对比你现有方法的优势 #

不管你有5个还是50个时间点，这一段代码就能搞定，不用手动创建temp1、temp2这类临时对象，代码的可维护性和效率都提升了一大截。

如果习惯用reshape2的话，其实也可以用melt配合正则实现，但pivot_longer是tidyverse现在推荐的方法，语法更直观，处理复杂配对场景也更灵活。

内容的提问来源于stack exchange，提问作者Asdf