复习一些高频参数的使用技巧，包括：
values_fill,value_fn
names_glue
names_pattern
.value
0. 准备工作
r
library(tidyverse)1. 为什么需要 pivot？先理解长表与宽表
1.1 一份"分析友好"的长表（tidy data）
r
df_long <- tibble(
id = c(1, 1, 2, 2),
year = c(2022, 2023, 2022, 2023),
score = c(90, 95, 80, 83)
)
df_long如何读这张表：
- 一行 = 一个观测
- 一个观测 = 某个
id在某一年 (year) 的一个score
这是 tidyverse 设计哲学中最核心的结构：
| 维度 | 在哪里 |
|---|---|
| 个体 | 行 |
| 时间 | 列（year） |
| 数值 | 列（score） |
1.2 现实中更常见的宽表
r
df_wide <- tibble(
id = c(1, 2),
`2022` = c(90, 80),
`2023` = c(95, 83)
)
df_wide这种表：
- 适合报表、Excel
- 不适合建模、ggplot、group_by
👉 pivot 的目的，就是在这两种形态之间转换
2. 在学 pivot 之前，先回答一个问题
变形之后，你希望"一行"代表什么？
在接下来的例子中，我们先统一一个目标：
一行 = 一个 id
这个决定，将直接决定你后面所有 pivot 的写法。
3. pivot_wider：从长表到宽表（结构重建）
3.1 pivot_wider 的结构公式（不是参数记忆）
text
(id_cols) × (names_from) → values_from含义是：
id_cols：定义"一行是谁"names_from：哪一列的值变成新列名values_from：填进单元格的值
3.2 最基础、也是最推荐的写法
r
df_long %>%
pivot_wider(
id_cols = id,
names_from = year,
values_from = score
)结果：
# A tibble: 2 × 3
id `2022` `2023`
<dbl> <dbl> <dbl>
1 1 90 95
2 2 80 83你现在应该能清楚地说出：
- 一行 = 一个 id
- 列 = 年份
- 值 = score
3.3 为什么不建议省略 id_cols
你可能见过：
r
pivot_wider(names_from = year, values_from = score)在当前数据下它能跑，是因为：
- tidyr 自动把剩余列（这里只有
id）当作行身份
⚠️ 风险在于：
- 这是"刚好没出事"
- 一旦前面多一个变量、一次 join、一次 mutate
行身份就可能悄悄改变
教学建议 ：
初学阶段，始终显式写
id_cols
4. 当数据变复杂：行身份真的明确吗？
4.1 在原结构上引入一个新维度
r
df_long2 <- tibble(
id = c(1, 1, 1, 1),
sex = c("M", "M", "F", "F"),
year = c(2022, 2023, 2022, 2023),
score = c(90, 95, 88, 92)
)
df_long24.2 不写 id_cols，tidyr 会"猜"
r
df_long2 %>%
pivot_wider(
names_from = year,
values_from = score
)tidyr 实际做的是：
r
id_cols = c(id, sex)结果：
id | sex | 2022 | 2023⚠️ 重点不在于"能不能跑"，而在于：
你是否真的想让"一行 = id × sex"？
5. values_fn：当映射不是一对一时
5.1 构造一个真实世界中常见的问题
r
df_long3 <- tibble(
id = c(1, 1, 1, 1, 1),
sex = c("M", "M", "M", "F", "F"),
year = c(2022, 2022, 2023, 2022, 2023),
score = c(90, 91, 95, 88, 92)
)同一个 (id, sex, year) 出现了多次。
5.2 直接 pivot 会失败
r
df_long3 %>%
pivot_wider(
id_cols = c(id, sex),
names_from = year,
values_from = score
)原因不是函数问题，而是结构问题：
text
(id, sex, year) → score
不是一对一关系5.3 用 values_fn 明确你的处理方式
r
df_long3 %>%
pivot_wider(
id_cols = c(id, sex),
names_from = year,
values_from = score,
values_fn = mean
)values_fn 不是"修 bug"，
而是你在声明：重复观测如何被压缩
6. values_fill：当某些组合根本不存在
r
df_long4 <- tibble(
id = c(1, 2),
year = c(2022, 2023),
score = c(90, 80)
)
df_long4 %>%
pivot_wider(
id_cols = id,
names_from = year,
values_from = score
)自然会产生 NA。
如果语义上希望补 0：
r
df_long4 %>%
pivot_wider(
id_cols = id,
names_from = year,
values_from = score,
values_fill = 0
)7. 当 names_from 不止一个变量：names_glue
7.1 一个非常自然的需求
我们继续使用前面已经出现过的结构：
r
df_long5 <- tibble(
id = c(1, 1, 1, 1),
sex = c("M", "M", "F", "F"),
year = c(2022, 2023, 2022, 2023),
score = c(90, 95, 88, 92)
)目标：
- 一行 = 一个 id
- 列名同时包含 性别 + 年份
7.2 默认行为：tidyr 自动拼接列名
r
df_long5 %>%
pivot_wider(
id_cols = id,
names_from = c(sex, year),
values_from = score
)得到列名：
M_2022, M_2023, F_2022, F_2023问题在于：
- 顺序是隐式规则
- 分隔符是实现细节
- 列名语义不明确
7.3 使用 names_glue 显式控制列名语义
r
df_long5 %>%
pivot_wider(
id_cols = id,
names_from = c(sex, year),
values_from = score,
names_glue = "{sex}_{year}"
)如果你想换顺序：
r
names_glue = "{year}_{sex}"或者：
r
names_glue = "score_{sex}_{year}"names_glue 只影响列名，不影响结构
它是语义层参数，不是结构修补参数。
8. pivot_longer：从宽表回到长表（结构展开）
r
df_wide %>%
pivot_longer(
cols = c("2022", "2023"),
names_to = "year",
values_to = "score"
)理解重点：
- pivot_longer = 把"列名"变成"值"
- 很少产生结构冲突
- 常用于恢复 tidy 数据
9. 列名里有信息时：names_pattern
r
df_wide2 <- tibble(
id = 1:3,
Score_2022 = c(90, 80, 70),
Score_2023 = c(95, 83, 72)
)
df_wide2 %>%
pivot_longer(
cols = starts_with("Score"),
names_to = c("metric", "year"),
names_pattern = "(.+)_(.+)",
values_to = "value"
)这一步的本质是：
把"字符串里的信息"还原成变量
10. .value：一次生成多个观测变量
如果变量名本身藏在列名中：
r
df_long4 <- tibble(
id = 1,
year = 2022,
score_A = 90,
rank_A = 1
)
r
df_long4 %>%
pivot_longer(
cols = -c(id, year),
names_to = c(".value", "group"),
names_sep = "_" #或 names_pattern="(.+)_(.+)"
)
.value的含义是：
"这一部分列名，直接决定生成哪个变量"