在R中如何将Color列拆分为多列并合并匹配的ID-Year-Brightness行

直接给你一套可落地的处理方案，核心是先给每个分组内的Color添加序号标识，再用宽化函数拆分，这应该能解决你之前的问题：

步骤1：先对齐数据结构（模拟你的原始数据） #

先造个和你数据结构一致的示例，方便你对照调整：

library(dplyr)
library(tidyr)

# 模拟原始数据：同一ID-Year-Brightness对应多行Color
raw_data <- tibble(
  ID = rep(c("A", "B"), each = 4),
  Year = rep(c(2020, 2021), each = 2, times = 2),
  Brightness = rep(c("High", "Low"), times = 4),
  Color = c("Red", "Blue", "Green", "Yellow", "Orange", "Purple", "Pink", "Brown"),
  Outcome = rnorm(8) # 保留你数据中的其他变量
)

步骤2：给分组内的Color加序号 #

这是关键步骤——给每个ID-Year-Brightness组合里的Color按出现顺序编上Color 1、Color 2的序号，让宽化函数能识别不同的Color列：

data_with_label <- raw_data %>%
  group_by(ID, Year, Brightness) %>%
  mutate(Color_col = paste0("Color ", row_number())) %>%
  ungroup()

步骤3：转成目标宽表结构 #

现在用pivot_wider就能把多行Color拆成多列：

final_data <- data_with_label %>%
  pivot_wider(
    id_cols = c(ID, Year, Brightness, Outcome), # 保留不需要拆分的核心列
    names_from = Color_col,
    values_from = Color
  )

备选方案：用data.table实现 #

如果你习惯用data.table，也可以这么写：

library(data.table)

setDT(raw_data)
raw_data[, Color_col := paste0("Color ", seq_len(.N)), by = .(ID, Year, Brightness)]
final_data_dt <- dcast(raw_data, ID + Year + Brightness + Outcome ~ Color_col, value.var = "Color")

你之前失败的原因 #

大概率是没给分组内的Color加唯一序号，pivot_wider/spread/dcast需要明确的列名标识来拆分，没有序号的话，同一分组下的多个Color值会被当成重复值处理，导致结果不符合预期。

内容的提问来源于stack exchange，提问作者Ben