如何按特定条件重组并变换DataFrame，确保PID前缀分组正确？

原始数据 #

example <- data.frame(
  date = as.Date(c('2023-02-12', '2023-02-13', '2023-02-14',
           '2023-02-12', '2023-02-13', '2023-02-14',
           '2023-03-06', '2023-03-07', '2023-03-08',
           '2023-03-07', '2023-03-08', '2023-03-09')),
  PID = c(1091, 1091, 1091,
          2091, 2091, 2091,
          1137, 1137, 1137, 
          2137, 2137, 2137),
  give = c('a', 'c', 'e',
           'aa', 'cc', 'ee',
           'aaa', 'ccc', 'eee',
           'aaaa', 'cccc', 'eeee'),
  receive = c('b', 'd', 'f',
              'bb', 'dd', 'ff',
              'bbb', 'ddd', 'fff',
              'bbbb', 'dddd', 'ffff')
)

期望输出 #

example_solution <- data.frame(
  date = as.Date(c('2023-02-12', '2023-02-13', '2023-02-14',
                   '2023-03-06', '2023-03-07', '2023-03-08', '2023-03-09')),
  CID = c(91, 91, 91, 
          137, 137, 137, 137),
  PID_A = c(1091, 1091, 1091,
          1137, 1137, 1137, NA),
  PID_B = c(2091, 2091, 2091,
            NA, 2137, 2137, 2137),
  give_A = c('a', 'c', 'e',
             'aaa', 'ccc', 'eee', NA),
  receive_B = c('bb', 'dd', 'ff',
                NA, 'bbbb', 'dddd', 'ffff'),
  give_B = c('aa', 'cc', 'ee',
           NA, 'aaaa', 'cccc', 'eeee'),
  receive_A = c('b', 'd', 'f',
              'bbb', 'ddd', 'fff', NA)
)

现有代码问题 #

现有代码通过组内顺序生成name列（LETTERS[1:n()]），导致当某日期下仅存在以2开头的PID时，该PID会被错误分配到_A后缀的列，不符合所有以2开头的PID必须关联_B后缀列的核心需求：

example <- example %>% 
  group_by(CID = sub('.', '', PID), date) %>% 
  mutate(name = LETTERS[1:n()]) %>% 
  pivot_wider(values_from = PID:receive) %>%
  relocate(receive_A, .after = give_B) %>%
  relocate(receive_B, .after = give_A)

修改后的解决方案 #

关键修改是根据PID的前缀直接指定name值，而非依赖组内顺序：

example <- example %>% 
  # 提取CID，确保只替换开头第一个字符
  mutate(CID = sub('^.', '', PID),
         # 根据PID开头字符固定分配A/B后缀标识
         name = ifelse(substr(as.character(PID), 1, 1) == "1", "A", "B")) %>%
  group_by(CID, date) %>%
  pivot_wider(values_from = PID:receive) %>%
  # 调整列顺序至期望格式
  relocate(receive_B, .after = give_A) %>%
  relocate(receive_A, .after = give_B)

修改说明 #

1. 修正CID提取逻辑：原代码sub('.', '', PID)会匹配任意单个字符，改为sub('^.', '', PID)确保只替换PID开头的第一个字符，避免意外匹配。
2. 固定后缀关联规则：通过substr提取PID的第一个字符，直接映射为"A"（开头为1）或"B"（开头为2），保证无论组内是否有对应前缀的PID，都能正确关联目标列后缀。
3. 保留列顺序调整：沿用原有的relocate操作，确保最终列顺序与期望输出一致。

内容的提问来源于stack exchange，提问作者jo_