使用dplyr转换不规则表格：按Name拆分Virtue为二进制列

现有如下不规则表格：

Name  Location  Team    Virtue
  Hank       ABQ     A     Alpha
 Flynn       ABQ     B     Alpha
                            Beta
 Marie       JFK     X     Gamma

                            Beta 
Skylar       ABQ     B     Alpha
                            Beta
Walter       LAX     D     Gamma
 Gomie       ATL     A     Alpha

                            Beta

                           Gamma
  Saul       JFK     X      Beta

其中Virtue列的取值仅为Alpha、Beta或Gamma。需求是基于Name作为分组标识（Name为行分隔符），将每个Name对应的所有Virtue值转换为三列：Alpha、Beta、Gamma，用1表示该Name拥有对应Virtue，0表示没有，最终得到如下规范表格：

Name  Location  Team     Alpha  Beta Gamma
  Hank       ABQ     A         1     0     0
 Flynn       ABQ     B         1     1     0
 Marie       JFK     X         0     1     1
Skylar       ABQ     B         1     1     0
Walter       LAX     D         0     0     1
 Gomie       ATL     A         1     1     1
  Saul       JFK     X         0     1     0

请使用dplyr实现该表格转换。

以下是使用dplyr完成转换的具体步骤和代码：

步骤说明 #

1. 数据预处理：原始表格中存在仅Virtue列有值的空值行，需要用前一行的Name、Location、Team值向下填充，确保每个Virtue归属到正确的分组。
2. 分组聚合：按Name、Location、Team分组，判断每组是否包含Alpha、Beta、Gamma，生成对应的二进制标识列。

代码实现 #

library(dplyr)
library(tidyr)

# 模拟读取原始不规则数据（实际场景可从文本/文件读取，此处为简化模拟）
raw_data <- tibble(
  Name = c("Hank", "Flynn", NA, "Marie", NA, "Skylar", NA, "Walter", "Gomie", NA, NA, "Saul"),
  Location = c("ABQ", "ABQ", NA, "JFK", NA, "ABQ", NA, "LAX", "ATL", NA, NA, "JFK"),
  Team = c("A", "B", NA, "X", NA, "B", NA, "D", "A", NA, NA, "X"),
  Virtue = c("Alpha", "Alpha", "Beta", "Gamma", "Beta", "Alpha", "Beta", "Gamma", "Alpha", "Beta", "Gamma", "Beta")
)

# 填充空值：将Name、Location、Team列的空值用前一行有效值向下填充
clean_data <- raw_data %>%
  fill(Name, Location, Team, .direction = "down")

# 分组生成二进制列
final_table <- clean_data %>%
  group_by(Name, Location, Team) %>%
  summarize(
    Alpha = as.integer("Alpha" %in% Virtue),
    Beta = as.integer("Beta" %in% Virtue),
    Gamma = as.integer("Gamma" %in% Virtue),
    .groups = "drop"  # 取消分组状态
  )

# 输出结果
print(final_table, row.names = FALSE)

代码解释 #

• fill()函数：自动填充Name、Location、Team列的空值，保证每个Virtue都对应到正确的用户分组。
• group_by() + summarize()：按用户标识分组后，通过%in%判断当前组是否包含目标Virtue，as.integer()将布尔结果（TRUE/FALSE）转换为1/0。
• .groups = "drop"：避免输出结果带有分组属性，生成规范的扁平表格。

内容的提问来源于stack exchange，提问作者John Thomas