R Academy · 课时

使用 pivot_longer() 将宽格式转换为长格式

Q: 「使用 pivot_longer() 将宽格式转换为长格式」这节课中我会学到什么？

将宽格式表格重塑为适合分析的整洁长格式 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

将宽格式表格重塑为适合分析的整洁长格式

使用 pivot_longer() 将宽格式转换为长格式 是 CoddyKit 上的免费 R Academy 课时。这是第 1 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

宽格式与长格式数据

数据可以存储为宽格式（每个主体一行，包含多个值列），也可以存储为长格式（每条观测一行，包含一个变量名列和另一个值列）。许多用于可视化和建模的 R 软件包都要求使用长格式。

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() 基础

pivot_longer(df, cols, names_to, values_to)将宽格式转换为长格式。cols 指定要透视的列，names_to 是用于存放原列名的新列，values_to 是用于存放值的新列。

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)

使用 starts_with() 选择列

您无需明确列出列名，而可以在 cols 内使用 tidyselect 辅助函数。starts_with('prefix')、ends_with('suffix') 和 contains('string') 对于一致地透视具有相同命名模式的列尤其有用。

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'
)

使用 -col 排除列

另一种方法是使用 -col_name 指定要从透视中排除的列。其余所有列都会被透视。当只有一两个 ID 列、却有许多值列时，这种方法很方便。

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 — 去除前缀

当列名带有类似 score_q1、score_q2 的前缀时，names_prefix 参数会从生成的 names_to 列中去除该前缀，从而保持标识符整洁。

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'
)

透视多组列

当您有多组值列（例如同时有 sales_q1 和 cost_q1）时，请在 names_to 中使用多个值，并结合 names_pattern 将列名拆分为不同部分。

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 — 转换类型

默认情况下，新名称列的类型为字符型。使用 names_transform 可以自动将名称列转换为其他类型（例如，将 y2020、y2021 等列名转换为整数年份）。

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 — 删除缺失值

当宽格式中某些列与行的组合存在缺失值时，它们在长格式中会显示为 NA。设置 values_drop_na = TRUE，即可自动删除值为 NA 的行。

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)

长格式让 ggplot2 更易使用

转换为长格式最重要的原因是：ggplot2 会从列中映射图形美学属性。当所有值位于一列、类别位于另一列时，您就可以轻松使用 color = quarter 或 facet_wrap(~quarter)。

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()

透视数值列名

有时列名是纯数字（例如年份：2020、2021）。在 R 中，数据框中的数值列名需要加引号。请在 cols 参数中使用 num_range('', 2020:2023) 或反引号引起来的列名来处理它们。

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'
)

比较透视结果

透视后请验证结果：行数应为 nrow(wide) * n_pivoted_cols，而 names_to 列中的唯一值应与原始列名一致（如果去除了前缀，则不包括该前缀）。

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')

快速检查

names_prefix 参数在 pivot_longer() 中的作用是什么？

回顾：pivot_longer()

将宽格式转换为长格式的要点：

pivot_longer(df, cols, names_to, values_to) 是核心函数
cols 接受 tidyselect：starts_with()、-id_col、c('a','b')
names_prefix 去除列名开头的字符串
names_transform 转换名称列的类型（例如转换为整数）
values_drop_na = TRUE 自动删除包含 NA 的行
长格式是 ggplot2、大多数建模函数和统计检验所要求的格式
验证方式：长格式行数 = 宽格式行数 × 透视列数

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'
)

常见问题解答

「使用 pivot_longer() 将宽格式转换为长格式」课时是免费的吗？

是的 — 「使用 pivot_longer() 将宽格式转换为长格式」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

「使用 pivot_longer() 将宽格式转换为长格式」这节课中我会学到什么？

将宽格式表格重塑为适合分析的整洁长格式你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 1 节课，共 4 节。

「使用 pivot_longer() 将宽格式转换为长格式」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 R Academy