Rのpivot_longerとpivot_wider

2026年9月22日
2026年9月22日
R
pivot_longer, pivot_wider, R
5view

初稿；2026/09/21（月）

1 はじめに
2 使用するデータ
3 pivot_wider
4 pivot_widerでついでに平均値と標準偏差を計算する
5 pivot_longer
6 まとめ

はじめに

いつもこのpivot_wider()とpivot_longer()は全部忘れていて、必要になる度に大混乱してしまう。ということで、ここにメモっておくことにする。

library(tidyverse)

使用するデータ

オリジナルのデータとして、以下の画像のような形のデータフレームを使用する。これは、使った動物の数を6匹とし、それらに各濃度（列dose）の薬剤CPDと対照となるDMSO（列drug）を投与し、その24及び48時間後（列time）の腫瘍、血液、肝臓、肺、脾臓、脳中の薬剤濃度（列concentration）を測定して得られた結果を想定した。

統計処理を考える場合、得られるデータは縦型（longer）になっているはずである。なので、ここで設定したオリジナルのデータフレームも縦型とする。データベースってのは、基本的に1変数（列）に対して1種類の値が入っている。そうしなければすぐに解析を始めることが出来ず、データクリーニングに膨大な時間を費やす羽目になる。

以下が上記のデータを生成するコードである。値はrnorm()を使用する。最後に、24時間後と48時間後毎の各組織中濃度として、データフレームanalysis_24とanalysis_48hを作成する。ここでのポイントは列order_tissueである。これは、各マウスで、tumor、blood、liver、lung、screen、brainにそれぞれ１から６までの番号を付けた列である。他に重要なものとしては、列orderである。これを昇順に並べれば、必ず元のデータの並びに戻ることが出来る。そういった、言わばメインキーになる番号は、どんなデータでも付けておかなければならない。以下のコードを流せば、表が得られる。

# Original data probably longer format.
# tumor, blood, liver, lung, spleen, brain, 6 tissues
# 1, 3, 10, 30, 100, 5 doses
# N = 6 in each group

original_24h <- data.frame(
  drug = c(rep("CPD", each = 6*6, times = 5), rep("DMSO", each = 6*6, times = 1)),
  dose = c(
    rep(c("1mg/kg", "3mg/kg", "10mg/kg", "30mg/kg", "100mg/kg"),
        each = 6*6,
        times = 1),
    rep("0mg/kg",
        each = 6*6,
        times = 1)),
  tissue = c(
    rep(c("tumor", "blood", "liver", "lung", "spleen", "brain"),
        each = 1,
        times = 6*5),
    rep(c("tumor", "blood", "liver", "lung", "spleen", "brain"),
        each = 1,
        times = 6*1)),
  concentration = c(
    rnorm(6*5*6, mean = 20, sd = 4),
    rnorm(6*1*6, mean = 0.5, sd = 0.1)),
  time = "24h"
)

original_48h <- data.frame(
  drug = c(rep("CPD", each = 6*6, times = 5), rep("DMSO", each = 6*6, times = 1)),
  dose = c(
    rep(c("1mg/kg", "3mg/kg", "10mg/kg", "30mg/kg", "100mg/kg"),
        each = 6*6,
        times = 1),
    rep("0mg/kg",
        each = 6*6,
        times = 1)),
  tissue = c(
    rep(c("tumor", "blood", "liver", "lung", "spleen", "brain"),
        each = 1,
        times = 6*5),
    rep(c("tumor", "blood", "liver", "lung", "spleen", "brain"),
        each = 1,
        times = 6*1)),
  concentration = c(
    rnorm(6*5*6, mean = 20, sd = 4),
    rnorm(6*1*6, mean = 0.5, sd = 0.1)),
  time = "48h"
)

original <- rbind(original_24h, original_48h)

table(original$tissue)
# blood  brain  liver   lung spleen  tumor 
#     72     72     72     72     72     72 
table(original$drug)
 # CPD DMSO 
 # 360   72 
table(original$dose)
  # 0mg/kg 100mg/kg  10mg/kg   1mg/kg  30mg/kg   3mg/kg 
  #     72       72       72       72       72       72 

original <- original %>% mutate(order = 1:nrow(original),
                                animal = "Ms",
                                order_tissue = rep(c(1:6), times = 72),
                                order_animal = rep(c(1:6), each =6, times=12))


original <- original %>% unite(col = sample_id, sep="_", animal, order, remove = FALSE)
original <- original %>% unite(col = tissue_id, sep="_", tissue, order_animal, remove = FALSE)
original <- original %>% unite(col = drug_dose, sep="_", drug, dose, remove=FALSE)

analysis_24h <- original %>% filter(time == "24h")
analysis_48h <- original %>% filter(time == "48h")

pivot_wider

ここでは、最初に列tissueにある値、すなわち、tumor、blood、liver、lung、spleen、brainの値をリストwider_24hの各要素に入れ、それらに対してpivot_wider()を使っていく。pivot_wider()でよく使う引数は以下の表の通りである。

引数	説明
id_cols =	残す列。ここでは列tissue_idを使用した。値は全部異なっている必要がある。
names_from=	横方向に伸ばす列。ここでは列drug_doseを使用した。
value_from=	横方向に伸ばした列に入れる値を保持した列。ここは列concentrationを使用した。

pivot_wider()で基本的に必要な引数

リストwider_24hの各要素はbind_rows()で結合し、最後に、24時間後と48時間後のデータをさらにbind_rows()で結合する。


# longer to Wider

#24h
wider_24h <- list()
tissue_name <- names(table(analysis_24h$tissue))
for(i in 1:length(tissue_name)){
  wider_24h[[i]] <- analysis_24h %>% filter(tissue == tissue_name[i]) %>% 
    pivot_wider(id_cols = tissue_id,
                names_from = drug_dose,
                values_from = concentration)
    
}

wider_24h_df <- bind_rows(wider_24h) %>% mutate(time = "24h")

# 48h
wider_48h <- list()
tissue_name <- names(table(analysis_48h$tissue))
for(i in 1:length(tissue_name)){
  wider_48h[[i]] <- analysis_48h %>% filter(tissue == tissue_name[i]) %>% 
    pivot_wider(id_cols = tissue_id,
                names_from = drug_dose,
                values_from = concentration)
    
}
wider_48h_df <- bind_rows(wider_48h) %>% mutate(time = "48h")

wider <- bind_rows(wider_24h_df, wider_48h_df)

以下のデータフレームが出来上がる。

pivot_widerでついでに平均値と標準偏差を計算する

pivot_wider()の引数values_fnには関数を入れることが出来る。この場合、mean()とsd()を入れてしまえば、マウス毎の各臓器の平均値と標準偏差が計算出来る。上記のpivot_wider()との違いは、引数id_colsに入れる列が違うことである。平均値や標準偏差、もしくは他の関数で複数の値をまとめてしまう場合、引数id_cols=の値は重複していても大丈夫である。代表値や統計量の一つにまとまってしまうためである。

引数	説明
id_cols =	残す列。ここでは列tissueを使用した。引数values_fnを使って代表値にしてしまう場合、各臓器毎に番号を振ったるする必要がない。
names_from=	横方向に伸ばす列。ここでは列drug_doseを使用した。
value_from=	横方向に伸ばした列に入れる値を保持した列。ここは列concentrationを使用した。
values_fn=	Rに組み込まれている関数や自作の関数名を入れることが出来る。ここではmean()とsd()を使用した。

pivot_wider()で基本的に必要な引数


# calculate mean and sd
wider_24h_mean <- analysis_24h %>% pivot_wider(id_cols = tissue,
                                  names_from = dose,
                                  values_from = concentration,
                                  values_fn = mean) %>% mutate(stats = "mean", time = "24h")
wider_24h_mean <- wider_24h_mean %>% unite(col = tissue_id, sep="_", tissue, stats)

wider_24h_sd <- analysis_24h %>% pivot_wider(id_cols = tissue,
                                  names_from = dose,
                                  values_from = concentration,
                                  values_fn = sd) %>% mutate(stats = "sd", time = "24h")
wider_24h_sd <- wider_24h_sd %>% unite(col = tissue_id, sep="_", tissue, stats)


wider_48h_mean <- analysis_48h %>% pivot_wider(id_cols = tissue,
                                  names_from = dose,
                                  values_from = concentration,
                                  values_fn = mean) %>% mutate(stats = "mean", time = "48h")
wider_48h_mean <- wider_48h_mean %>% unite(col = tissue_id, sep="_", tissue, stats)


wider_48h_sd <- analysis_48h %>% pivot_wider(id_cols = tissue,
                                  names_from = dose,
                                  values_from = concentration,
                                  values_fn = sd) %>% mutate(stats = "sd", time = "48h")
wider_48h_sd <- wider_48h_sd %>% unite(col = tissue_id, sep="_", tissue, stats)

wider_stats <- bind_rows(wider_24h_mean, wider_24h_sd, wider_48h_mean, wider_48h_sd)

以下のデータフレームが出来上がる。

pivot_wider()で平均値と標準偏差を計算したデータフレームwider_stats。

pivot_longer

基本的に、1変数（列）に入る値は1種類とすれば、縦型になる。ただし、エクセルしか使ってこなかった輩は、大抵自由フォーマットで、自分しかわからないような、汎用性の全くないフォーマットを作成してくる。この場合は、最初にpivot_longer()を使ったり、pivit_wider()を使ったりしながら作業を進める必要がある。

特に数十列くらいのデータだったら別にエクセルでもいいのだが、これが数百、数千列あったらどうするつもりだろうか。絶対手作業は無理である。

以下の表にpivot_longer()の引数をまとめる。ここで最初に使用するデータフレームwider_24h_2は、pivot_wider()で作成したデータフレームwiderから、24時間後の値を抽出したデータフレームである。

引数	説明
cols =	縦にする値の範囲（基本的に列）。ここでは2:7、すなわち、データフレームwider_24h_2の、2列目から7列目を指定した。
names_to =	新しく作成する列。ここでは列doseを新しく作成する。
values_to =	新しく作成する列に入れる値が入っている列。ここでは列concentrationを入れる。

以下の表がデータフレームwider_24h_2である。データフレームwider_48h_2はデータフレームwiderから、列timeが48hのものを抽出して作成したものである。

# Wider to longer

# 24h

wider_24h_2 <- wider %>% filter(time == "24h")
wider_24h_2 <- wider_24h_2 %>% mutate(tissue = gsub(pattern = "_\\d+$", replacement = "", x = tissue_id))
wider_24h_2[,2:7] <- wider_24h_2[,2:7]  %>% apply(MARGIN = 2, FUN = as.numeric)
wider_24h_2 <- wider_24h_2 %>% as_tibble()

longer_24h <- wider_24h_2 %>% pivot_longer(cols = 2:7, names_to = "dose", values_to = "concentration")
longer_24h <- longer_24h %>% mutate(dose = gsub(pattern = "^.*_", replacement = "", x=dose))


# 48h

wider_48h_2 <- wider %>% filter(time == "48h")
wider_48h_2 <- wider_48h_2 %>% mutate(tissue = gsub(pattern = "_\\d+$", replacement = "", x = tissue_id))
wider_48h_2[,2:7] <- wider_48h_2[,2:7]  %>% apply(MARGIN = 2, FUN = as.numeric)
wider_48h_2 <- wider_48h_2 %>% as_tibble()

longer_48h <- wider_48h_2 %>% pivot_longer(cols = 2:7, names_to = "dose", values_to = "concentration")
longer_48h <- longer_48h %>% mutate(dose = gsub(pattern = "^.*_", replacement = "", x=dose))

longer <- bind_rows(longer_24h, longer_48h)

まとめ

これで、必要になったときにこの記事を見れば、データフレームを整えるのも多少は捗るに違いない。多分。

Prev

2026年9月19日
PythonとRによるシングルセルRNAシークエンスの解析（DEG解析なし）
Next

記事がありません

この記事を書いた人

Kats

これまで放射線治療の基礎研究、乳がんの遺伝子診断に関する研究に携わってきました。また、アメリカではポスドクとしてトリプルネガティブ乳がんに対する新規分子標的薬の影響に関して研究をしてきました。２０２２年から改めて日本で研究活動を再開することになりました。このブログでは日頃の研究活動から学んだことや考えたことを記録していこうと思います。多くが愚痴になってしまうかもしれません。この記録が自分の忘備録として、そしてすこしでも誰かの参考になるようであれば、それでいいんじゃあないかと思っております。

投稿一覧へ

運営者について