如何在R中高效转换‘人类可读’Excel表格：扩展列名至多列

嘿，我正好处理过类似的田间蔬菜数据格式问题，给你一套高效的自动化解决方案，用R的tidyverse套件就能轻松搞定40个CSV的批量处理！

1. 先准备好工具包 #

首先装上并加载tidyverse，它集成了数据操作、重塑、文件读写和批量处理的所有工具，完全适配你的需求：

install.packages("tidyverse") # 没装的话先运行这个
library(tidyverse)

2. 写个处理单个文件的函数 #

根据你描述的Excel“人类可读”结构，我猜大概率是Excel里用了合并单元格分组列——也就是第一行列名是蔬菜名（比如Cauliflower重复3次），第二行是对应的特征（Density、Cover、Height），导出CSV后表头就变成两行。针对这种情况，我写了下面的处理函数；如果你的数据是单个单元格里用分隔符（比如分号）存三个特征值，我也附了另一种情况的函数：

情况1：CSV表头是两行（蔬菜名+特征名）

这是最常见的情况，函数会自动合并表头成Cauli.Density这种规范格式：

process_field_data <- function(file_path) {
  # 先读前两行的表头信息
  header_raw <- read_csv(file_path, n_max = 2, col_names = FALSE)
  
  # 合并表头：样地列保留原名，蔬菜列拼成「蔬菜名.特征名」
  new_colnames <- c(
    header_raw[1, 1:3] %>% pull(), # 保留Plot、Frame、PlotCrop
    paste(header_raw[1, 4:ncol(header_raw)], header_raw[2, 4:ncol(header_raw)], sep = ".")
  )
  
  # 读取完整数据，跳过前两行旧表头，用新列名
  data <- read_csv(file_path, skip = 2, col_names = new_colnames)
  
  # 可选：把长蔬菜名简化（比如Cauliflower→Cauli），嫌麻烦可以删掉这段
  data <- data %>%
    rename_with(~ str_replace(., "^Cauliflower", "Cauli"), starts_with("Cauliflower")) %>%
    rename_with(~ str_replace(., "^Broccoli", "Brocc"), starts_with("Broccoli")) %>%
    rename_with(~ str_replace(., "^Unknown", "Unk"), starts_with("Unknown"))
  
  return(data)
}

情况2：单个单元格存三个分隔的特征值

如果你的CSV里每个蔬菜列的单元格是10;50;20这种格式（密度;盖度;高度），就用这个函数：

process_field_data <- function(file_path) {
  # 读取原始数据
  data <- read_csv(file_path)
  
  # 把每个蔬菜列拆成三个特征列
  data <- data %>%
    separate(Cauliflower, into = c("Cauli.Density", "Cauli.Cover", "Cauli.Height"), sep = ";", convert = TRUE) %>%
    separate(Broccoli, into = c("Brocc.Density", "Brocc.Cover", "Brocc.Height"), sep = ";", convert = TRUE) %>%
    separate(Unknown, into = c("Unk.Density", "Unk.Cover", "Unk.Height"), sep = ";", convert = TRUE)
  
  return(data)
}

3. 批量处理所有CSV文件 #

接下来就是自动化处理40个文件了，假设所有CSV都在C:/fieldData目录下：

# 切换到数据目录
setwd("C:/fieldData")

# 把所有CSV文件的路径找出来
csv_files <- list.files(pattern = "\\.csv$", full.names = TRUE)

# 批量处理所有文件，结果存在列表里
processed_data_list <- map(csv_files, process_field_data)

# 可选：把每个处理好的文件存成新CSV（文件名后面加"_processed"）
walk2(processed_data_list, str_replace(csv_files, "\\.csv$", "_processed.csv"), write_csv)

4. 检查下结果合不合意 #

随便挑一个处理后的文件看看：

head(processed_data_list[[1]])

这样就完全不用手动改格式啦，一次搞定所有文件！

内容的提问来源于stack exchange，提问作者maycca