pivot_longer()によるワイド形式からロング形式への変換
ワイド形式のテーブルを、分析しやすい整然としたロング形式に変形します。
「pivot_longer()によるワイド形式からロング形式への変換」はCoddyKit上の無料R Academyレッスンです。 これはレッスン1/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはR Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 R Academyコースには全4レッスンが含まれています。
ワイド形式とロング形式のデータ
データは、ワイド形式（対象ごとに1行で、複数の値の列を持つ）またはロング形式（観測値ごとに1行で、変数名の列と値の列を持つ）で保存できます。可視化やモデリング用の多くのRパッケージは、ロング形式を想定しています。
library(tidyr)
library(dplyr)
# Wide format: each quarter is a column
wide_df <- data.frame(
student = c('Alice','Bob','Carol'),
q1 = c(85, 90, 78),
q2 = c(88, 85, 80),
q3 = c(92, 88, 84)
)
print(wide_df)
cat('\nShape:', nrow(wide_df), 'rows x', ncol(wide_df), 'cols')pivot_longer()の基本
pivot_longer(df, cols, names_to, values_to)は、ワイド形式をロング形式に変換します。colsにはピボットする列を指定し、names_toは元の列名を格納する新しい列、values_toは値を格納する新しい列を指定します。
library(tidyr)
wide_df <- data.frame(
student = c('Alice','Bob','Carol'),
q1 = c(85, 90, 78),
q2 = c(88, 85, 80),
q3 = c(92, 88, 84)
)
long_df <- pivot_longer(
wide_df,
cols = c(q1, q2, q3),
names_to = 'quarter',
values_to = 'score'
)
print(long_df)starts_with()で列を選択する
列を明示的に列挙する代わりに、colsの中でtidyselectヘルパーを使用できます。starts_with('prefix')、ends_with('suffix')、contains('string')は、命名規則が統一された列をピボットする際に特に便利です。
library(tidyr)
df <- data.frame(
id = 1:3,
sales_jan = c(100, 200, 150),
sales_feb = c(120, 180, 160),
sales_mar = c(130, 190, 170)
)
# Select all sales_ columns automatically
pivot_longer(
df,
cols = starts_with('sales_'),
names_to = 'month',
values_to = 'sales'
)-colで列を除外する
別の方法として、-col_nameを使ってピボットから除外する列を指定できます。それ以外のすべての列がピボットされます。ID列が1つか2つだけで、値の列が多数ある場合に便利です。
library(tidyr)
df <- data.frame(
region = c('East','West'),
jan = c(100, 200),
feb = c(110, 210),
mar = c(120, 220),
apr = c(130, 230)
)
# Pivot everything except 'region'
pivot_longer(df, cols = -region, names_to = 'month', values_to = 'revenue')names_prefix — プレフィックスを削除する
列名がscore_q1、score_q2のようにプレフィックスを持つ場合、names_prefix引数は、結果のnames_to列からそのプレフィックスを削除します。これにより、識別子をすっきりさせられます。
library(tidyr)
df <- data.frame(
id = 1:3,
score_q1 = c(85, 90, 78),
score_q2 = c(88, 85, 80),
score_q3 = c(92, 88, 84)
)
pivot_longer(
df,
cols = starts_with('score_'),
names_to = 'quarter',
names_prefix = 'score_',
values_to = 'score'
)複数の列セットをピボットする
複数の値の列グループ（例：sales_q1とcost_q1の両方）がある場合は、names_toに複数の値を指定し、names_patternで列名を構成要素に分割します。
library(tidyr)
df <- data.frame(
id = 1:2,
sales_q1 = c(100, 200),
sales_q2 = c(110, 210),
cost_q1 = c(60, 110),
cost_q2 = c(65, 115)
)
pivot_longer(
df,
cols = -id,
names_to = c('.value', 'quarter'),
names_pattern = '(.+)_(q[0-9]+)'
)names_transform — 型を変換する
デフォルトでは、新しい名前の列は文字型になります。names_transformを使うと、名前の列を別の型へ自動的に変換できます（例：y2020、y2021のような列名から年を整数に変換する）。
library(tidyr)
df <- data.frame(
product = c('A','B'),
y2021 = c(100, 200),
y2022 = c(110, 210),
y2023 = c(120, 220)
)
result <- pivot_longer(
df,
cols = -product,
names_to = 'year',
names_prefix = 'y',
names_transform = list(year = as.integer),
values_to = 'sales'
)
print(result)
cat('year column type:', class(result$year))values_drop_na — 欠損値を削除する
ワイド形式で一部の列と行の組み合わせに欠損値がある場合、ロング形式ではNAとして現れます。values_drop_na = TRUEを設定すると、値がNAの行を自動的に削除できます。
library(tidyr)
df <- data.frame(
student = c('Alice','Bob','Carol'),
q1 = c(85, NA, 78),
q2 = c(88, 85, NA),
q3 = c(NA, 88, 84)
)
# Without drop: 9 rows including NAs
pivot_longer(df, -student, names_to='quarter', values_to='score',
values_drop_na = TRUE)ロング形式でggplot2を活用する
ロング形式にピボットする最も重要な理由は、ggplot2が列から美的属性をマッピングするためです。すべての値を1つの列に、カテゴリーを別の列にまとめると、color = quarterやfacet_wrap(~quarter)を簡単に使えます。
library(tidyr)
# (ggplot2 not run here, but showing the data preparation)
df <- data.frame(
month = c('Jan','Feb','Mar'),
product_A = c(100, 120, 110),
product_B = c(200, 190, 210)
)
# After pivoting, ready for ggplot2:
long_df <- pivot_longer(df, -month, names_to='product', values_to='sales')
print(long_df)
# ggplot(long_df, aes(x=month, y=sales, color=product)) + geom_line()数値の列名でピボットする
列名が純粋な数値（例：年を表す2020、2021）になることがあります。Rでは、データフレーム内の数値の列名は引用符で囲んで扱います。num_range('', 2020:2023)、またはcols引数内でバッククォートによる引用を使用してください。
library(tidyr)
# Year columns as numbers (common in census-style data)
df <- data.frame(
country = c('US','UK'),
'2021' = c(100, 80),
'2022' = c(110, 85),
'2023' = c(120, 90),
check.names = FALSE
)
pivot_longer(
df,
cols = c('2021','2022','2023'),
names_to = 'year',
values_to = 'gdp_index'
)ピボット結果を比較する
ピボット後は、結果を検証してください。行数はnrow(wide) * n_pivoted_colsになるはずです。また、names_to列の一意な値は、プレフィックスを削除した場合を除き、元の列名と一致するはずです。
library(tidyr)
wide <- data.frame(
id = 1:4,
jan = c(10,20,30,40),
feb = c(11,21,31,41),
mar = c(12,22,32,42)
)
long <- pivot_longer(wide, -id, names_to='month', values_to='value')
cat('Wide rows:', nrow(wide), '\n')
cat('Long rows:', nrow(long), '(expected', nrow(wide)*3, ')\n')
cat('Months:', paste(unique(long$month), collapse=', '), '\n')理解度チェック
pivot_longer()のnames_prefix引数は何をしますか？
まとめ：pivot_longer()
ワイド形式からロング形式への変換における重要ポイント：
pivot_longer(df, cols, names_to, values_to)が基本関数ですcolsではtidyselectを使用できます：starts_with()、-id_col、c('a','b')names_prefixは列名の先頭にある文字列を削除しますnames_transformは名前の列の型を変換します（例：整数型）values_drop_na = TRUEはNAの行を自動的に削除します- ロング形式は、ggplot2、多くのモデリング関数、統計検定で必要になります
- 検証方法：ロング形式の行数 = ワイド形式の行数 × ピボットした列数
library(tidyr)
df <- data.frame(
team = c('Alpha','Beta'),
sales_2022 = c(100, 200),
sales_2023 = c(120, 220),
sales_2024 = c(140, 240)
)
pivot_longer(
df,
cols = starts_with('sales_'),
names_to = 'year',
names_prefix = 'sales_',
names_transform = list(year = as.integer),
values_to = 'revenue'
)
AI チューターと学ぶ R — 無料
ブラウザでリアルコードを書いて実行し、24/7 の AI チューターから瞬時にサポートを受け、ウェブまたはアプリで続きから学習できます。
- コース
- 43
- レッスン
- 159
よくある質問
「pivot_longer()によるワイド形式からロング形式への変換」レッスンは無料ですか？
はい。「pivot_longer()によるワイド形式からロング形式への変換」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、R Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 R Academyコースには全4レッスンが含まれています。
「pivot_longer()によるワイド形式からロング形式への変換」で何を学びますか？
ワイド形式のテーブルを、分析しやすい整然としたロング形式に変形します。 ブラウザで直接実行するハンズオンコードでR Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
R Academyを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのR Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン1/4です。
「pivot_longer()によるワイド形式からロング形式への変換」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このR Academyレッスンでコードを書いて実行できますか？
はい。すべてのR Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。
このコースのすべてのレッスン
- pivot_longer()によるワイド形式からロング形式への変換
- pivot_wider()によるロング形式からワイド形式への変換
- 文字列列のためのseparate()とunite()
- データフレームのネストとアンネスト