如何在R中转换多列数据框？附Access导入数据重塑需求

在R里处理多列数据框的转换，核心是数据重塑，常见场景分为「长格式转宽格式」和「宽格式转长格式」，这里推荐用tidyverse生态下的tidyr包——语法直观，能轻松搞定3列以上的复杂转换需求：

• 如果是长转宽（把分类列的不同取值拆成独立列）：用pivot_wider()，支持同时绑定多个关联值列（比如数值+对应时间）；
• 如果是宽转长（把多组列合并成分类列+值列）：用pivot_longer()，可以批量选择目标列进行转换。

传统的reshape2包（dcast()/melt()）也能实现类似功能，但tidyr的函数更灵活，和dplyr配合使用会更顺畅。

先看你提供的原始数据：

p <- data.frame(
  SurvDate = as.Date(c('2018-11-1','2018-11-1','2018-11-1', '2018-11-3', '2018-11-3')),
  Area = c('AF','BB','CT', 'DF', 'BB'),
  pCount = c(6, 3, 0, 12, 32),
  ObsTime = c('8:51','8:59','9:13', '9:24', '9:30'),
  stringsAsFactors = FALSE
)

你的需求是：以SurvDate为行标识，Area为列名（对应值为pCount），同时每个Area旁附带对应的ObsTime列。这个需求刚好可以用tidyr::pivot_wider()实现，它支持同时将多个值列按分类列展开：

步骤1：加载必要的包 #

先确保安装并加载tidyverse（包含tidyr和dplyr）：

install.packages("tidyverse") # 未安装时执行
library(tidyverse)

步骤2：执行数据重塑 #

用pivot_wider()指定行标识、分类列和要展开的多组值列：

n <- p %>%
  pivot_wider(
    id_cols = SurvDate,          # 作为行的唯一标识
    names_from = Area,           # 要拆成列的分类列
    values_from = c(pCount, ObsTime), # 对应到列的多组值
    names_sep = "_"              # 列名分隔符，比如AF的pCount列会命名为pCount_AF
  )

查看最终结果 #

运行后得到的n就是你需要的格式：

> n
# A tibble: 2 × 9
  SurvDate   pCount_AF pCount_BB pCount_CT pCount_DF ObsTime_AF ObsTime_BB ObsTime_CT ObsTime_DF
  <date>         <dbl>     <dbl>     <dbl>     <dbl> <chr>      <chr>      <chr>      <chr>     
1 2018-11-1          6         3         0        NA 8:51       8:59       9:13       NA        
2 2018-11-3         NA        32        NA        12 NA         9:30       NA         9:24      

如果想调整列的顺序（比如把同一个Area的pCount和ObsTime放在一起），可以用select()重新排列：

n <- n %>%
  select(SurvDate, 
         pCount_AF, ObsTime_AF,
         pCount_BB, ObsTime_BB,
         pCount_CT, ObsTime_CT,
         pCount_DF, ObsTime_DF)

这样就完全符合你的需求啦～

内容的提问来源于stack exchange，提问作者KVininska