如何将R语言DataFrame转为宽格式并按规则生成分类列？

完整代码实现 #

library(dplyr)
library(tidyr)

# 原始数据
example <- data.frame(
  PID = c(1091, 1358, 1087, 2358, 2087, 2091),
  value = c('1','2', '1,4,6', '2', '2', '1')
)

# 转宽格式处理
example_wide <- example %>%
  # 提取PID最后3位作为分组键
  mutate(group_key = substr(as.character(PID), nchar(as.character(PID)) - 2, nchar(as.character(PID)))) %>%
  # 分组内标记A/B
  group_by(group_key) %>%
  mutate(id = c("A", "B")) %>%
  ungroup() %>%
  # 转换为宽格式
  pivot_wider(names_from = id, values_from = c(PID, value)) %>%
  select(-group_key)

# 生成category列
example_solution <- example_wide %>%
  mutate(
    category = case_when(
      (value_A == "1" & value_B == "2") | (value_A == "2" & value_B == "1") ~ "mw",
      value_A == value_B ~ "mm",
      TRUE ~ "other"
    )
  )

# 输出结果
print(example_solution)

步骤说明 #

1. 分组并转宽格式

   • 提取PID的最后3位作为分组依据，确保末尾三位相同的PID被分到一组；
   • 给每组内的两行分别标记为"A"和"B"，用于转宽时生成对应的PID_A/PID_B、value_A/value_B列；
   • 通过pivot_wider完成长格式到宽格式的转换，最后移除临时的分组键列。

2. 按规则生成分类列

   • 使用case_when按优先级判断：
     • 若value对是1和2的组合（顺序不限），标记为"mw"；
     • 若两个value完全相同，标记为"mm"；
     • 其余所有情况统一标记为"other"。

内容的提问来源于stack exchange，提问作者jo_