R语言数据框操作：按重复行拆分与长表转宽表的实现方案

1. 按重复行拆分data.frame #

如果你想按照某一列（比如你的code列）的重复值来拆分data.frame，有几种简单实用的方法：

Base R 原生方法 #

直接用split()函数按分组列拆分，返回一个列表，每个元素对应一组重复行的子数据框：

# 假设你的数据框名为df
split_df_list <- split(df, df$code)

tidyverse 便捷方法 #

如果你习惯用dplyr的链式语法，group_split()会更贴合你的使用习惯：

library(dplyr)
split_df_list <- df %>% 
  group_by(code) %>% 
  group_split(.keep = TRUE)

.keep = TRUE会保留所有列，要是只想保留分组相关列，把参数改成FALSE就行。

2. 长格式转宽格式（你的具体需求） #

针对你给出的数据集结构，要把code转成列名、date作为行标识、value填充对应单元格，用tidyr的pivot_wider()是最直观的方案，步骤如下：

步骤1：加载必要工具包（未安装先执行安装） #

# 安装包含tidyr和dplyr的tidyverse集合包
# install.packages("tidyverse")
library(tidyverse)

步骤2：执行宽格式转换 #

先筛选出需要的列（避免uname和tcode干扰转换结果），再完成转宽：

wide_df <- df %>%
  select(date, code, value) %>%  # 只保留核心的三列
  pivot_wider(
    id_cols = date,               # 用来唯一标识每一行的列
    names_from = code,            # 要转成新列名的列
    values_from = value           # 填充新列的数值来源
  )

执行后得到的结果就和你期望的结构完全一致了。

备选方案（reshape2包） #

如果你更习惯用reshape2，dcast()也能实现同样的效果：

# install.packages("reshape2")
library(reshape2)
wide_df <- dcast(df, date ~ code, value.var = "value")

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