在R中重塑复杂数据集：非标准格式数据转换方法咨询

这种把ID和变量名合并在列头的宽格式数据，确实没法用常规reshape直接处理——因为它需要先拆分复合列名，再重新整理结构。下面给你两种最常用的解决方案，分别适合不同的场景：

方案1：用Tidyverse（dplyr + tidyr）处理（易读性优先） #

Tidyverse的函数链非常直观，适合初学者或者需要清晰代码逻辑的场景：

步骤代码： #

# 加载包
library(tidyverse)

# 构造你的示例数据
df <- tibble(
  Time = 1:3,
  `A-X` = c(2,2,4),
  `A-Y` = c(4,3,4),
  `A-Z` = c(5,2,4),
  `B-X` = c(6,3,4),
  `B-Y` = c(1,2,4),
  `B-Z` = c(2,3,4)
)

# 1. 把所有ID-变量列转成长格式
df_long <- df %>%
  pivot_longer(
    cols = -Time,  # 保留Time列，其他列全部转长
    names_to = "ID_Var",  # 原列名存入新列ID_Var
    values_to = "Value"   # 原单元格值存入新列Value
  )

# 2. 拆分ID_Var列，分成ID和Var两部分
df_split <- df_long %>%
  separate(ID_Var, into = c("ID", "Var"), sep = "-")

# 3. 把Var列的X/Y/Z转成列，得到目标格式
df_final <- df_split %>%
  pivot_wider(
    names_from = Var,  # 用Var的取值作为新列名
    values_from = Value  # 对应填充Value的值
  ) %>%
  arrange(ID, Time)  # 按ID和Time排序，和目标格式一致

运行后df_final就是你想要的结果：

# A tibble: 6 × 5
  ID    Time     X     Y     Z
  <chr> <int> <dbl> <dbl> <dbl>
1 A         1     2     4     5
2 A         2     2     3     2
3 A         3     4     4     4
4 B         1     6     1     2
5 B         2     3     2     3
6 B         3     4     4     4

方案2：用Data.table处理（性能优先） #

如果你的数据集非常大（百万行级别），data.table的速度会比tidyverse快很多，代码也很简洁：

步骤代码： #

# 加载包
library(data.table)

# 转成data.table格式
dt <- as.data.table(df)

# 1. 转成长格式
dt_long <- melt(dt, id.vars = "Time", variable.name = "ID_Var", value.name = "Value")

# 2. 拆分ID_Var列，直接生成ID和Var两列
dt_long[, c("ID", "Var") := tstrsplit(ID_Var, "-")]

# 3. 转成宽格式，得到目标结果
dt_final <- dcast(dt_long, ID + Time ~ Var, value.var = "Value")

补充：Base R的reshape函数（不推荐，灵活性差） #

其实Base R的reshape也能实现，但需要手动指定所有ID和变量名，不够灵活，仅作参考：

reshape(df, 
        direction = "long",
        varying = names(df)[-1],
        v.names = c("X", "Y", "Z"),
        idvar = "Time",
        timevar = "ID",
        times = c("A", "B"),
        sep = "-") %>%
  arrange(ID, Time) %>%
  select(ID, Time, X, Y, Z)

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