R语言使用gather函数将4列转为2组键值对避免重复行的实现方法

问题原因 #

你连续两次使用gather的写法会生成笛卡尔积：第一次将measure_A相关列转为长表后，每个ID对应2条记录；第二次对measure_B列做宽转长时，会给每条已有的A类记录匹配所有B类分组，因此每个ID最终会得到2*2=4条记录，自然出现重复行。

最优实现方案（推荐） #

现在tidyr官方已推荐用pivot_longer替代老旧的gather函数，该方案无需额外过滤，逻辑更直观，性能也更好：

library(tidyr)
library(dplyr)

result <- df %>%
  pivot_longer(
    cols = starts_with("measure"), # 匹配所有要转换的指标列
    names_to = c(".value", "group"), # 将列名按分隔符拆为两部分，.value表示前缀作为新列名
    names_sep = "\\." # 按列名里的.拆分
  ) %>%
  select(-group) # 如果不需要序号列可以直接删掉

逻辑说明 #

pivot_longer会自动把列名前缀measure_A、measure_B作为新的列名，后缀的1、2作为分组标识，同一序号下的A、B数值会自动对应匹配，不会产生多余的笛卡尔积，直接得到你需要的无重复结果。

gather+filter方案逻辑解释 #

你找到的filter方案本质是剔除笛卡尔积里的无效匹配行，实现逻辑如下：

df %>% 
  gather(key = measure_A, value = "score_A", measure_A.1, measure_A.2) %>%
  gather(key = measure_B, value = "score_B", measure_B.1, measure_B.2) %>%
  # 提取两个measure列的后缀序号，仅保留序号相同的有效匹配行
  filter(sub(".*\\.", "", measure_A) == sub(".*\\.", "", measure_B)) %>%
  distinct() # 可选，用于删除完全重复的冗余行

逻辑说明 #

两次gather得到的结果里，只有measure_A和measure_B后缀数字相同的行是你需要的正确匹配（比如measure_A.1对应measure_B.1），其余交叉匹配的行（比如measure_A.1配measure_B.2）都是多余的，filter就是把这些无效行直接过滤掉，最终得到目标结果。

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