无唯一ID执行pivot_wider生成NA值问题求助

你尝试将长格式iris转回原始宽格式，但执行pivot_wider后出现大量NA，代码及输出如下：

library(tidyverse)

# pivot_longer
iris_longer <- iris %>%
  pivot_longer(cols = -c(Species),
               names_to = "feature",
               values_to = "value")

# 尝试恢复原始结构
iris_longer %>% mutate(row = row_number()) %>% 
  pivot_wider(names_from = feature,
              values_from = value, 
              id_cols = c(row, Species)) %>%
  arrange(row) %>%           
  select(-row)  
#> # A tibble: 600 × 5
#>    Species Sepal.Length Sepal.Width Petal.Length Petal.Width
#>    <fct>          <dbl>       <dbl>        <dbl>       <dbl>
#>  1 setosa           5.1        NA           NA          NA  
#>  2 setosa          NA           3.5         NA          NA  
#>  3 setosa          NA          NA            1.4        NA  
#>  4 setosa          NA          NA           NA           0.2
#>  5 setosa           4.9        NA           NA          NA  
#>  6 setosa          NA           3           NA          NA  
#>  7 setosa          NA          NA            1.4        NA  
#>  8 setosa          NA          NA           NA           0.2
#>  9 setosa           4.7        NA           NA          NA  
#> 10 setosa          NA           3.2         NA          NA  
#> # ℹ 590 more rows

问题原因 #

你用mutate(row = row_number())给长格式的每一行分配了唯一编号，但长格式共有600行（150个原始样本×4个特征）。pivot_wider会把每个唯一编号对应的行单独拆成一行，每行只包含一个特征的值，其他自然显示为NA。

解决方法 #

核心是给同一个原始样本的所有特征行分配相同的组ID，让pivot_wider识别出哪些行属于同一个原始样本，从而合并到同一行。

方法一：转长格式前先添加样本ID #

在转长格式前，先给原始宽格式的每一行（每个样本）分配唯一ID，转长后同一个样本的4个特征行会共享这个ID：

library(tidyverse)

# 转长格式前添加样本ID
iris_longer <- iris %>%
  mutate(sample_id = row_number()) %>%  # 每个原始样本对应唯一ID
  pivot_longer(cols = -c(sample_id, Species),
               names_to = "feature",
               values_to = "value")

# 恢复宽格式
iris_restored <- iris_longer %>%
  pivot_wider(
    names_from = feature,
    values_from = value,
    id_cols = c(sample_id, Species)
  ) %>%
  arrange(sample_id) %>%
  select(-sample_id)  # 移除临时ID

# 查看结果
head(iris_restored)

方法二：对已有的长格式数据补充分组ID #

如果已经得到了长格式数据，可以按Species分组后，给每组内的行分配重复的ID（每个物种有50个样本，每个样本对应4个特征行）：

iris_restored <- iris_longer %>%
  group_by(Species) %>%
  mutate(sample_id = rep(1:50, each = 4)) %>%  # 每个样本重复4次ID
  ungroup() %>%
  pivot_wider(
    names_from = feature,
    values_from = value,
    id_cols = c(sample_id, Species)
  ) %>%
  arrange(sample_id) %>%
  select(-sample_id)

# 验证结果是否与原始iris一致
all.equal(iris_restored, iris)

两种方法都能让pivot_wider正确合并同一样本的特征值，不会产生NA。

内容的提问来源于stack exchange，提问作者Ramakrishna S