基于ID1和ID2去重并指定列处理逻辑的R数据处理方案

你可以通过dplyr结合tidyr的pivot_wider函数实现需求，该方法能分别处理字符串列的宽格式转换和数值列的求和逻辑，避免之前dcast中字符串与数值聚合冲突的问题。

完整代码实现 #

library(dplyr)
library(tidyr)

# 示例数据集
df <- data.frame(
  ID1 = c('A','A','B','C','D','D'), 
  ID2 = c('A','A','B1','C1','DE','DE'),
  List = c('LA','LA','LB','LC','L1D','L2D'),
  V1 = c(1, 0, 1, 1, 1, 1),
  V2 = c(0, 1, 0, 0, 1, 1),
  stringsAsFactors = FALSE
)

# 处理逻辑
df_final <- df %>%
  group_by(ID1, ID2) %>%
  # 生成组内行号，同时计算V1、V2的组内总和
  mutate(
    index = row_number(),
    V1 = sum(V1),
    V2 = sum(V2)
  ) %>%
  # 将List列转成宽格式，空值填充空字符串
  pivot_wider(
    id_cols = c(ID1, ID2, V1, V2),
    names_from = index,
    values_from = List,
    names_prefix = "List_",
    values_fill = ""
  ) %>%
  ungroup()

# 查看结果
print(df_final)

代码说明 #

1. 分组与预处理：

   • group_by(ID1, ID2)：以ID1和ID2为分组依据，确保所有操作在同一ID组合内执行。
   • mutate(index = row_number())：为每个组内的行生成序号，作为后续拆分List列的列名后缀（如List_1、List_2）。
   • mutate(V1 = sum(V1), V2 = sum(V2))：直接在分组内计算数值列的总和，每个组内所有行的V1/V2会被替换为组内求和结果。

2. 宽格式转换：

   • pivot_wider：将长格式的List列转换为宽格式，names_prefix指定生成列的前缀，values_fill = ""确保没有对应值的单元格填充空字符串，与你期望的输出格式一致。
   • ungroup()：取消分组状态，恢复数据框的常规结构。

为什么之前的方法失败？ #

你之前的dcast把V1和V2纳入了分组维度，导致不同V1/V2的行被单独拆分；同时用sum作为字符串列的聚合函数，而sum仅支持数值类型，因此触发错误。正确的思路是先对数值列完成分组求和，再处理字符串列的格式转换。

内容的提问来源于stack exchange，提问作者user2133561