如何将单列值重塑并附加到现有列名？多列数据集重排实现

这是个很常见的宽表重塑需求，核心是把按Col1分组的后续列拆分成带分组标识的独立列，下面我用两种主流工具实现，都能适配你20列的数据集：

方法一：使用R的tidyverse包 #

tidyverse的pivot_longer和pivot_wider组合是处理这类问题的利器，无需手动指定所有后续列：

library(tidyverse)

# 构造示例数据（实际使用时替换为你的数据集读取代码，比如read.csv）
df <- tibble(
  Col1 = c(rep("A",4), rep("B",4)),
  Col2 = c(rep(1,4), rep(2,4)),
  Col3 = rep(1:4,2),
  Col4 = seq(10,80,10),
  Col5 = seq(90,160,10)
)

# 核心重塑步骤
df_reshaped <- df %>%
  # 将Col4及之后的所有列转为长格式，保留分组列Col1/Col2/Col3
  pivot_longer(
    cols = starts_with("Col") & !Col1:Col3,
    names_to = "original_col",
    values_to = "value"
  ) %>%
  # 合并原列名与Col1的分组值，生成新列名（比如Col4_A）
  unite(new_col, original_col, Col1, sep = "_") %>%
  # 转回宽格式，缺失值自动填充为NA
  pivot_wider(names_from = new_col, values_from = value)

# 查看结果
print(df_reshaped)

关键说明： #

• starts_with("Col") & !Col1:Col3会自动匹配所有以Col开头且不在Col1-Col3范围内的列，完美适配你20列的场景，不用手动列全后续列名。
• unite函数负责拼接列名和分组值，pivot_wider最终把长格式转回你需要的宽表结构。

方法二：使用Python的pandas库 #

pandas通过多级索引的拆分与合并来实现需求，同样支持自动处理大量列：

import pandas as pd

# 构造示例数据（实际使用时替换为pd.read_csv等读取代码）
data = {
    "Col1": ["A"]*4 + ["B"]*4,
    "Col2": [1]*4 + [2]*4,
    "Col3": [1,2,3,4]*2,
    "Col4": range(10,90,10),
    "Col5": range(90,170,10)
}
df = pd.DataFrame(data)

# 核心重塑步骤
df_reshaped = (
    df.set_index(["Col1", "Col2", "Col3"])  # 设置多级索引，把Col1作为层级之一
    .unstack(level="Col1")  # 将Col1的分组值拆分为列的层级
    .swaplevel(0, 1, axis=1)  # 交换列的层级顺序，让分组值在列名前
    .sort_index(axis=1)  # 按列名排序，保证Col4_A/Col4_B这样的顺序
)

# 重命名列，合并分组值与原列名
df_reshaped.columns = [f"{col}_{group}" for group, col in df_reshaped.columns]

# 重置索引，让Col2/Col3回到普通列
df_reshaped = df_reshaped.reset_index()

print(df_reshaped)

关键说明： #

• unstack(level="Col1")会自动将Col1的每个唯一值（A/B）拆分成列的层级，不管后续有多少列都会批量处理。
• 列表推导式f"{col}_{group}"负责拼接出你需要的列名格式，无需手动修改每一列。

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