1. 引言在数据分析工作中数据重塑Data Reshaping是最常见也最基础的操作之一。无论是从数据库导出的原始记录还是从 Excel 手工整理的数据往往都需要经过长表Long Format与宽表Wide Format之间的转换才能满足后续建模、可视化和报表输出的需求。R 语言凭借其强大的数据处理生态提供了多种灵活的工具来完成这类任务。本文将从基础函数讲起逐步过渡到 tidyverse 体系下的现代写法并通过丰富的代码实例帮助读者快速上手。2. 长表与宽表的基本概念在开始写代码之前先明确两个核心概念宽表Wide Format每一行代表一个观测主体每个变量占据一列。例如每个城市一行不同年份的 GDP 分别作为独立列。长表Long Format每一行代表一个观测值变量名和取值被拆分成两列。例如每个城市-年份组合一行GDP 作为一列年份作为另一列。宽表便于阅读和展示长表则更适合分组计算、ggplot2 绘图以及多数统计模型。理解两者的差异是掌握数据重塑的第一步。3. 使用基础函数进行数据重塑R 基础包中提供了reshape()函数虽然语法略显繁琐但在不依赖外部包的情况下依然可用。下面通过一个简单的示例演示其用法。# 创建一个宽表数据 wide_data - data.frame( city c(北京, 上海, 广州), gdp_2020 c(3610, 3870, 2500), gdp_2021 c(4020, 4320, 2820), gdp_2022 c(4160, 4460, 2880) ) print(wide_data) 使用 reshape 将宽表转为长表 long_data - reshape( wide_data, direction long, varying c(gdp_2020, gdp_2021, gdp_2022), v.names gdp, timevar year, times c(2020, 2021, 2022), idvar city ) print(long_data)运行上述代码后long_data中每一行对应一个城市-年份组合year列标识年份gdp列存放对应的数值。可以看到基础函数的参数较多理解成本较高因此在实际项目中更推荐使用 tidyverse 体系下的工具。4. 使用 tidyr 包进行数据重塑tidyr是 tidyverse 生态中专门用于数据清洗和重塑的包其核心函数pivot_longer()和pivot_wider()语法直观、易读是目前最主流的做法。下面分别演示长表和宽表之间的双向转换。4.1 宽表转长表pivot_longer()library(tidyr) 继续使用上面的宽表数据 long_data2 - wide_data %% pivot_longer( cols starts_with(gdp_), names_to year, values_to gdp, names_prefix gdp_ ) print(long_data2)这里cols指定需要转换的列names_to指定新生成的列名values_to指定取值列名names_prefix用于去除列名中的公共前缀。相比reshape()代码意图一目了然。4.2 长表转宽表pivot_wider()# 将长表转回宽表 wide_data2 - long_data2 %% pivot_wider( names_from year, values_from gdp, names_prefix gdp_ ) print(wide_data2)names_from指定由哪一列的值生成新列名values_from指定取值来源列。经过转换后数据又恢复为每个城市一行、不同年份作为独立列的结构。5. 实战案例销售数据重塑下面通过一个更贴近业务的案例完整演示从原始数据到分析就绪数据的全过程。假设我们有一份各门店各季度的销售额数据需要先转为长表进行汇总计算再转为宽表输出报表。library(dplyr) library(tidyr) 原始宽表数据 sales_wide - data.frame( store c(A店, B店, C店), q1 c(120, 98, 150), q2 c(135, 110, 160), q3 c(142, 105, 175), q4 c(158, 130, 190) ) print(sales_wide) 转为长表便于按季度汇总 sales_long - sales_wide %% pivot_longer( cols q1:q4, names_to quarter, values_to sales ) print(sales_long) 按季度汇总总销售额 quarter_summary - sales_long %% group_by(quarter) %% summarise(total_sales sum(sales)) print(quarter_summary) 再转回宽表输出各门店各季度报表 sales_report - sales_long %% pivot_wider( names_from quarter, values_from sales, names_prefix 季度_ ) print(sales_report)通过这个案例可以看到长表在分组计算时非常方便而宽表在最终展示时更直观。实际工作中常常需要在这两种形态之间来回切换掌握pivot_longer()和pivot_wider()就能应对绝大多数场景。6. 处理重复值与缺失值在数据重塑过程中经常会遇到重复记录或缺失值。例如同一门店同一季度出现多条记录时pivot_wider()会报错或产生列表列。此时需要先对数据进行去重或聚合处理。# 构造包含重复记录的长表 dup_long - data.frame( store c(A店, A店, B店), quarter c(q1, q1, q1), sales c(120, 125, 98) ) 先按门店和季度去重取平均值 dedup - dup_long %% group_by(store, quarter) %% summarise(sales mean(sales), .groups drop) print(dedup) 再转为宽表 dedup_wide - dedup %% pivot_wider( names_from quarter, values_from sales ) print(dedup_wide)对于缺失值可以在pivot_wider()中使用values_fill参数指定填充值例如用 0 填充缺失的销售额。# 使用 values_fill 填充缺失值 filled_wide - sales_long %% pivot_wider( names_from quarter, values_from sales, values_fill list(sales 0) ) print(filled_wide)7. 多变量同时重塑当数据中包含多个需要同时转换的变量时pivot_longer()和pivot_wider()同样可以优雅处理。例如数据中同时记录了销售额和利润额需要将两者都转为长表。# 包含多个指标列的宽表 multi_wide - data.frame( store c(A店, B店), sales_q1 c(120, 98), sales_q2 c(135, 110), profit_q1 c(30, 22), profit_q2 c(35, 28) ) print(multi_wide) 同时转换销售额和利润额 multi_long - multi_wide %% pivot_longer( cols -store, names_to c(metric, quarter), names_sep _, values_to value ) print(multi_long)这里通过names_sep将列名拆分为metric和quarter两列从而在一次操作中完成多变量的重塑避免了多次转换的繁琐。8. 总结数据重塑是 R 数据分析流程中的关键环节。本文从基础函数reshape()讲起重点介绍了 tidyverse 体系下tidyr包的pivot_longer()和pivot_wider()两个核心函数并通过销售数据实战案例演示了长表与宽表之间的双向转换以及重复值、缺失值、多变量等常见问题的处理方法。掌握这些技巧后读者可以更高效地完成数据清洗和准备工作为后续的建模与可视化打下坚实基础。
