R语言长表转宽表时如何在数据缺失时保证年月/季度列顺序正确？

核心原因 #

pivot_wider 默认按照names_from指定列的取值首次出现顺序生成列，若首个分组缺失某时段数据，该时段列会在后续分组首次出现时才被创建，最终被排在所有列的末尾。

适配动态时间范围的解法 #

两种方案均无需硬编码时间范围，同时支持年月（yearmon）、季度（yearqtr）类型的数据集。

方案1：提前为时间列设置有序因子（更稳妥，推荐） #

利用时间类型本身的排序规则生成因子水平，pivot_wider会自动按照因子水平的顺序排列列：

library(dplyr)
library(tidyr)
library(zoo) # 仅使用yearmon/yearqtr类型时需要加载

# 1. 转换时间列为有序因子，水平自动按时间升序排列
df_processed <- df_2 %>%
  mutate(Year_month = factor(Year_month, levels = sort(unique(Year_month)), ordered = TRUE))

# 2. 执行原宽表转换逻辑（mutate_at已被弃用，替换为兼容新版本dplyr的across写法）
df_wide <- df_processed %>%
  pivot_wider(names_from = Year_month, values_from = count) %>%
  ungroup() %>%
  mutate(across(contains("20"), ~ ifelse(is.na(.), "", paste(., sprintf("<br>[%1.1f%%]", 100 * (. / sum(., na.rm = TRUE)))))))

如果是季度数据，只需将上述代码中的Year_month替换为你的季度列名即可。

方案2：宽表生成后重新排序（无需修改原数据结构） #

如果不想修改原数据的列类型，可以在转换宽表后动态排序：

library(dplyr)
library(tidyr)

df_wide <- df_2 %>%
  pivot_wider(names_from = Year_month, values_from = count) %>%
  ungroup() %>%
  # 先保留非时间分组列，再按时间顺序排列所有时间列
  select(all_of(setdiff(colnames(.), unique(df_2$Year_month))), all_of(sort(unique(df_2$Year_month)))) %>%
  mutate(across(contains("20"), ~ ifelse(is.na(.), "", paste(., sprintf("<br>[%1.1f%%]", 100 * (. / sum(., na.rm = TRUE)))))))

内容的提问来源于stack exchange，提问作者sutsabs