使用tidyr按指定列映射拆分数据（含缺失列名场景）

针对你这种存在部分行缺失类型映射的场景，我们可以通过拆分-配对-重塑的三步流程来实现，全程用tidyr和dplyr的工具链就能搞定，具体步骤如下：

步骤1：拆分字符串并生成配对关系 #

首先把splitme和type列的逗号分隔字符串拆成列表，然后用unnest_longer把它们展开成行，同时要保证每一行的对应位置元素配对（这里关键是用位置索引来保留原始的对应关系，确保splitme和type的元素一一匹配）：

library(tidyr)
library(dplyr)

df <- data.frame(splitme = c("6, 7, 8, 9", "1,2,3"), 
                 type = c("A, B, C, D", "A, C, D"))

df_processed <- df %>%
  mutate(
    # 拆分字符串，同时处理带空格/不带空格的分隔符
    splitme = str_split(splitme, ",\\s*") %>% map(as.numeric),
    type = str_split(type, ",\\s*"),
    # 生成位置索引，确保对应位置的元素配对
    idx = map(splitme, seq_along)
  ) %>%
  unnest_longer(c(splitme, type, idx))

这一步后会得到长格式的配对数据，每一行对应一组type和splitme的映射，同时保留了原始行的信息。

步骤2：重塑为宽格式 #

接下来用pivot_wider把长格式转成目标宽格式，指定列名来源和值来源，并用values_fill填充缺失的类型对应的NA：

desired_output <- df_processed %>%
  pivot_wider(
    names_from = type,
    values_from = splitme,
    values_fill = NA
  ) %>%
  select(-idx) # 移除多余的索引列

运行后就能得到你期望的结果：

# A tibble: 2 × 4
      A     B     C     D
  <dbl> <dbl> <dbl> <dbl>
1     6     7     8     9
2     1    NA     2     3

关键逻辑说明 #

• ",\\s*"作为拆分正则，可以兼容带空格（如"6, 7"）和不带空格（如"1,2"）的分隔场景
• map(as.numeric)把拆分后的字符向量转成数值型，避免后续出现类型错误
• 用位置索引配合unnest_longer展开，是处理缺失映射的核心：缺失的类型（比如第二行的B）不会出现在展开后的行中，pivot_wider会自动用values_fill参数填充NA

如果你想一步完成，也可以把代码整合成链式操作：

df %>%
  mutate(
    splitme = str_split(splitme, ",\\s*") %>% map(as.numeric),
    type = str_split(type, ",\\s*"),
    idx = map(splitme, seq_along)
  ) %>%
  unnest_longer(c(splitme, type, idx)) %>%
  pivot_wider(names_from = type, values_from = splitme, values_fill = NA) %>%
  select(-idx)

内容的提问来源于stack exchange，提问作者cboettig