如何用dplyr的pivot_wider同时完成两类不同规则的宽表转换？

问题背景 #

需要将整洁数据集转换为宽格式，两类列需遵循不同的转换规则：

• score列：按measure和day组合生成对应的宽表列
• tot列：仅按measure生成对应的宽表列（tot是id+measure分组下score的总和，同一分组内值恒定）

但直接执行以下代码时，tot列会被错误地按measure+day生成重复列：

df %>%
  pivot_wider(names_from = c(measure, day),
              values_from = c(score, tot)) 

示例数据集 #

生成示例数据的代码：

library(dplyr)

df <- data.frame(id = rep(c("DFE3", "DFE76"), each = 12),
                 measure = rep(letters[1:3], each = 4, length.out = 24),
                 day = rep(1:4, times = 3, length.out = 24),
                 score = sample(0:5, 24, replace = T)) %>%
  arrange(id, measure, day) %>%
  group_by(id, measure) %>%
  mutate(tot = sum(score)) %>%
  ungroup

数据集结构：

# # A tibble: 24 x 5
#      id  measure   day score   tot
#   <fct> <fct>   <int> <int> <int>
#  1 DFE3 a           1     5    12
#  2 DFE3 a           2     2    12
#  ...（省略其余行）

解决方案 #

由于score和tot的转换维度不同，无法通过单次pivot_wider直接实现，推荐以下两种方法：

方法1：拆分转换后合并 #

分别处理两类列生成宽表，再通过id合并：

# 生成score的宽表：按measure+day命名
score_wide <- df %>%
  pivot_wider(
    id_cols = id,
    names_from = c(measure, day),
    values_from = score,
    names_prefix = "score_"
  )

# 生成tot的宽表：先去重（同一id+measure下tot值唯一），再按measure命名
tot_wide <- df %>%
  select(id, measure, tot) %>%
  distinct() %>%
  pivot_wider(
    id_cols = id,
    names_from = measure,
    values_from = tot,
    names_prefix = "tot_"
  )

# 合并得到最终宽表
final_wide <- score_wide %>% left_join(tot_wide, by = "id")

方法2：单次pivot结合去重函数 #

在处理tot列时，利用values_fn参数取分组内的唯一值，避免重复列：

final_wide <- df %>%
  # 先处理score的宽表转换
  pivot_wider(
    id_cols = id,
    names_from = c(measure, day),
    values_from = score,
    names_prefix = "score_"
  ) %>%
  # 左连接处理后的tot宽表
  left_join(
    df %>%
      pivot_wider(
        id_cols = id,
        names_from = measure,
        values_from = tot,
        values_fn = first, # 取分组内第一个值（因tot值恒定）
        names_prefix = "tot_"
      ),
    by = "id"
  )

最终生成的宽表会包含类似score_a_1、score_b_3的分数列，以及tot_a、tot_c的总和列，完全符合需求。

内容的提问来源于stack exchange，提问作者llewmills