如何重塑含重复值的R语言data.frame？dcast方法未达预期

问题的核心是原数据中同一marker下存在重复的weight值，直接用dcast会因为重复键触发默认的聚合（计数），无法保留每个重复条目的对应关系。我们需要先给每个marker+weight的重复组合添加唯一行号，再进行宽表转换。

方法一：使用tidyverse工具链 #

library(tidyverse)

result_df <- sample_df %>%
  # 给每个marker+weight的重复项添加行号，确保每行唯一
  group_by(marker, weight) %>%
  mutate(row_id = row_number()) %>%
  ungroup() %>%
  # 转换为宽表，缺失值填充NA
  pivot_wider(
    id_cols = c(date, row_id),
    names_from = marker,
    values_from = weight,
    values_fill = NA
  ) %>%
  # 移除辅助行号，按结果格式排序
  select(-row_id) %>%
  arrange(weight_log, weight_bc)

输出结果与预期一致：

print(result_df)
#          date weight_log weight_bc
# 1  2023-02-27     459.25    459.25
# 2  2023-02-27     459.25    459.25
# 3  2023-02-27     121.56        NA
# 4  2023-02-27     114.02    114.02
# 5  2023-02-27     298.00    298.00
# 6  2023-02-27      56.78     56.78
# 7  2023-02-27     446.85    446.85
# 8  2023-02-27     215.05    215.05
# 9  2023-02-27         NA    579.84
# 10 2023-02-27         NA    189.96
# 11 2023-02-27         NA     84.40

方法二：使用data.table工具链 #

如果处理大数据集，data.table效率更高：

library(data.table)

setDT(sample_df)
# 添加分组行号
sample_df[, row_id := seq_len(.N), by = .(marker, weight)]
# 转换宽表并移除辅助行号
result_df <- dcast(sample_df, date + row_id ~ marker, value.var = "weight")[, row_id := NULL]

为什么之前的dcast失败？ #

你之前的代码用date + weight作为分组键，但同一date+weight对应多个marker条目，且同一marker下存在重复的weight，dcast无法识别这些重复条目是独立的，默认使用length聚合计数，导致结果变成了出现次数而非原始值。添加row_id后，每个date+row_id成为唯一键，转换时会正确保留每个独立条目。

内容的提问来源于stack exchange，提问作者ugawangga