如何高效实现按Block分组的数据透视并生成列表？

针对你的需求，无需手动逐个处理Block，以下两种高效方法可以快速实现目标：

方法1：tidyverse工具链（代码直观易读） #

利用dplyr分组统计频数，tidyr转宽表，最后拆分生成列表：

library(dplyr)
library(tidyr)

# 分组统计+转宽表+生成列表
result_list <- df %>%
  # 统计每个Block内Species-date的出现次数
  group_by(Block, Species, date) %>%
  summarise(count = n(), .groups = "drop_last") %>%
  # 转宽表，缺失组合填充0
  pivot_wider(names_from = date, values_from = count, values_fill = 0) %>%
  # 按Block拆分，去掉Block列
  group_split(Block, .keep = FALSE) %>%
  # 给列表元素命名为对应的Block
  setNames(unique(df$Block))

方法2：data.table（大数据集首选，效率更高） #

如果你的数据集规模较大，data.table的分组和透视操作性能更优：

library(data.table)

setDT(df)

# 统计频数+透视+按Block拆分列表
result_list <- df[, .N, by = .(Block, Species, date)] %>%
  dcast(Species ~ date, value.var = "N", fill = 0) %>%
  split(by = "Block", keep.by = FALSE)

运行任意一种方法后，result_list就是你需要的结构：每个列表元素对应一个Block的宽表，行是物种，列是日期，值为该物种在对应日期的出现次数（无出现则为0）。

内容的提问来源于stack exchange，提问作者Amanda Goldberg