R语言中如何将数据框多组成对列透视转换为Date、Data两列长表

数据结构说明 #

当前输入数据为位置严格绑定的平行列结构，所有列按「日期列+对应数值列」的顺序逐组排列：

• 以Date开头的列均为日期值，与右侧相邻的数值列一一配对
• 以FC开头的列均为对应日期下的数值，无跨组对应关系

原始数据框的定义如下：

df = structure(list(Date...1 = structure(c(1577836800, 1577923200, 
1578009600, 1578268800, 1578355200, 1578441600), class = c("POSIXct", 
"POSIXt"), tzone = "UTC"), FCGDP2021.2020 = c(1.2, 1.2, 1.2, 
1.2, 1.2, 1.2), Date...3 = structure(c(1546300800, 1546387200, 
1546473600, 1546560000, 1546819200, 1546905600), class = c("POSIXct", 
"POSIXt"), tzone = "UTC"), FCGDP2020.2019 = c(1.5, 1.5, 1.5, 
1.5, 1.5, 1.5), Date...5 = structure(c(1514764800, 1514851200, 
1514937600, 1515024000, 1515110400, 1515369600), class = c("POSIXct", 
"POSIXt"), tzone = "UTC"), FCGDP2019.2018 = c(1.8, 1.8, 1.8, 
1.8, 1.8, 1.8)), row.names = c(NA, 6L), class = "data.frame")

预期目标 #

将所有成组的日期、对应数值逐行纵向拼接，最终生成仅包含Date、Data两列的长表，组排列顺序与原始列顺序完全一致：

• 先拼接第一组2020年日期+1.2的数值
• 再拼接第二组2019年日期+1.5的数值
• 最后拼接第三组2018年日期+1.8的数值

最终共18行记录。

常见转换失效原因 #

直接使用melt或pivot_longer转换时，函数默认基于列名解析组归属，而当前列名没有可统一识别的组标识规则，会将所有日期列合并为一个来源、所有数值列合并为另一个来源，最终造成日期与数值的行对应关系完全错乱，无法得到正确结果。

可落地实现方案 #

方案1：tidyverse 流式处理（代码简洁） #

基于列位置逐组提取配对，避免列名解析误差：

library(tidyverse)

res <- map_dfr(
  .x = seq(1, ncol(df), by = 2), # 按步长2遍历每一组的起始列位置
  .f = function(start_idx) {
    tibble(
      Date = df[[start_idx]],       # 取组内第1列：日期
      Data = df[[start_idx + 1]]    # 取组内第2列：对应数值
    )
  }
)

方案2：基础R 实现（无第三方包依赖） #

通过循环逐组提取、纵向绑定：

# 初始化空结果框
res <- data.frame(
  Date = as.POSIXct(length = 0, tz = "UTC"),
  Data = numeric(0)
)

# 逐组遍历列
for (start_col in seq(1, ncol(df), by = 2)) {
  # 提取当前组的配对数据
  group_data <- data.frame(
    Date = df[[start_col]],
    Data = df[[start_col + 1]]
  )
  # 拼接至结果
  res <- rbind(res, group_data)
}

# 重置行名
rownames(res) <- NULL

两种方案的输出结果与预期格式完全匹配。

内容的提问来源于stack exchange，提问作者Rollo99