在R中处理重复ID时如何实现长格式转宽格式？

我正在处理如下格式的数据集：

需要将其转换为每个ID仅出现一次的宽格式表，根据ID的重复次数生成对应数量的MeasureA和MeasureB列，预期输出如下：

我曾尝试使用duplicate函数区分重复ID后进行长转宽转换，但未能成功，请问如何在RStudio中实现该需求？

方法一：使用tidyverse工具链（dplyr + tidyr） #

核心思路是先给每个ID的重复行添加组内序号，再通过长转宽函数生成目标格式：

1. 加载所需工具包：

library(dplyr)
library(tidyr)

2. 执行数据转换：

# 假设原始数据框名为df
df_wide <- df %>%
  # 按ID分组，给每组内的行添加序号
  group_by(ID) %>%
  mutate(row_num = row_number()) %>%
  ungroup() %>%
  # 长转宽，按序号拆分MeasureA和MeasureB列
  pivot_wider(
    id_cols = ID,
    names_from = row_num,
    values_from = c(MeasureA, MeasureB),
    names_glue = "{.value}{row_num}"  # 自定义列名格式，如MeasureA1、MeasureB2
  )

执行后得到的df_wide即为符合要求的宽格式数据，缺失位置会自动填充NA。

方法二：使用data.table包（适合大数据集） #

data.table的长转宽操作效率更高，适合处理大规模数据：

1. 加载包并转换数据格式：

library(data.table)
setDT(df)

2. 执行数据转换：

# 添加组内序号后，用dcast实现长转宽
df_wide <- dcast(
  df[, row_num := seq_len(.N), by = ID],
  ID ~ row_num,
  value.var = c("MeasureA", "MeasureB"),
  sep = ""  # 列名不添加分隔符，直接生成MeasureA1这类格式
)

关键说明 #

• 两种方法的核心都是给同一ID的不同行标记唯一序号，以此作为长转宽的分组依据，不需要依赖duplicate函数。
• 生成的列数会自动匹配数据中ID的最大重复次数（示例中为3次），不足次数的行自动填充NA。

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