R语言中如何将Station.ID列重组为带标识的月份列（Spread/Reshape？）

我来帮你搞定这个数据重塑的需求！下面用Python的Pandas库来实现——这是处理这类表格变换最便捷的工具，完全匹配你描述的需求：

步骤1：先模拟你的原始数据表 #

先构造一个和你描述一致的示例原表，方便你对照理解：

import pandas as pd

# 模拟含多站点、多年份的原始数据
df = pd.DataFrame({
    'Station.ID': [323, 452, 323, 452],
    'Year': [2020, 2020, 2021, 2021],
    'Jan': [10.2, 15.5, 12.1, 16.3],
    'Feb': [8.7, 13.2, 9.5, 14.1],
    'Mar': [12.5, 17.8, 13.3, 18.5]
})

原表结构大概是这样：

步骤2：执行数据变换，生成目标表 #

通过「融化-重组」的两步操作，就能得到你想要的格式：

# 第一步：把所有月份列转成行，保留Station.ID和Year作为标识列
melted_df = df.melt(id_vars=['Station.ID', 'Year'], var_name='Month', value_name='Value')

# 第二步：生成新列名（格式：月份_站点ID），再重新转回宽表
melted_df['New_Column'] = melted_df['Month'] + '_' + melted_df['Station.ID'].astype(str)
result_df = melted_df.pivot(index='Year', columns='New_Column', values='Value')

步骤3：查看最终结果 #

执行完代码后，最终的表就是你期望的样子——以Year为索引，列名都是Jan_323、Feb_452这类带站点标识的月份字段：

关键细节说明 #

• 不管你原表有多少个月份列（比如Apr、May...），这段代码都会自动处理所有非Station.ID和Year的列，不用额外修改；
• 把Station.ID转成字符串是为了避免和月份名（字符串）拼接时出现类型错误；
• 如果原表存在缺失值，pivot会自动用NaN填充，你可以加.fillna(0)之类的方法按需处理。

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