R语言：用dplyr与reshape2实现tidyr pivot_longer等价转换

完全可以通过dplyr配合reshape2库的melt()函数，实现与原pivot_longer等价的长格式数据转换，后续的分面统计绘图流程不需要做任何调整。

参数映射逻辑 #

原pivot_longer的转换规则是：保留所有非分类连续列固定不动，将剩余的分类变量列融合为长表结构，这和melt()的设计逻辑完全匹配，各参数可以一一对应，无需额外做结构调整：

• 原pivot_longer的cols = -deselect_not_factors（排除连续变量，仅融合分类列）→ 对应melt()的id.vars = deselect_not_factors（指定需要固定保留的列，其余列自动参与融合）
• 原pivot_longer的names_to = "category"（存储被融合的列名称）→ 对应melt()的variable.name = "category"
• 原pivot_longer的values_to = "value"（存储被融合列的实际取值）→ 对应melt()的value.name = "value"

等价替换的完整可运行代码 #

#create data
var_1 <- rnorm(1000,10,10)
var_2 <- rnorm(1000, 5, 5)
var_3 <- rnorm(1000, 6,18)

favorite_food <- c("pizza","ice cream", "sushi", "carrots", "onions", "broccoli", "spinach", "artichoke", "lima beans", "asparagus", "eggplant", "lettuce", "cucumbers")
favorite_food <- sample(favorite_food, 1000, replace=TRUE, prob=c(0.5, 0.45, 0.04, 0.001, 0.001, 0.001, 0.001, 0.001, 0.001, 0.001, 0.001, 0.001, 0.001))

response <- c("a","b")
response <- sample(response, 1000, replace=TRUE, prob=c(0.3, 0.7))

data = data.frame( var_1, var_2, var_3, favorite_food, response)
data$favorite_food = as.factor(data$favorite_food)
data$response = as.factor(data$response)

#specify categorical variables
factor_vars <- sapply(data, is.factor)
varnames <- names(data)
deselect_not_factors <- varnames[!factor_vars]

#load libraries 
library(reshape2)
library(dplyr)
library(ggplot2)

#用melt()生成长格式，等价替代原pivot_longer逻辑
data_long <- melt(
  data,
  id.vars = deselect_not_factors,
  variable.name = "category",
  value.name = "value"
)

#create plots 绘图逻辑完全无需改动
ggplot(data_long) +
  geom_bar(
    aes(x = value)
  ) +
  facet_wrap(~category, scales = "free")

注意事项 #

• 替换后生成的长表结构、行数、列名与原tidyr版本完全一致，后续ggplot2绘图代码不需要做任何修改，输出的分面计数条形图与原效果无差异
• melt()的输出可以直接接入dplyr的链式管道完成后续过滤、排序、聚合操作，和原tidyr代码的使用习惯完全兼容
• reshape2目前已停止功能更新，处于维护状态；如果是新搭建的项目，更推荐使用持续维护的tidyr原生函数，但如果需要适配旧代码环境、强依赖reshape2的场景，上述写法可实现1:1的等价替换

内容的提问来源于stack exchange，提问作者stats_noob