使用dplyr的pivot_wider处理含重复值的数据宽表转换

你的问题根源在于实际数据里存在重复分组：比如id=R1且speclib=No的组合下，有两个不同的protein值（490和491），直接用pivot_wider时，函数无法确定要取哪个值，因此抛出重复值警告。以下是针对性的解决方案：

先看你的实际数据结构 #

df <- structure(list(speclib = c("No", "No", "No", "SpecLib", "SpecLib"), id = c("R1", "R1", "R2", "R1", "R2"), frak = c("R", "R", "R", "R", "R"), mload = c(190, 190, 160, 190, 160), protein = c(490L, 491L, 490L, 564L, 559L)), row.names = c(NA, 5L), class = "data.frame")

方案1：聚合重复测量值（推荐，适用于重复实验场景） #

如果重复的protein是同一样本的重复测量，先通过聚合（均值、中位数、求和等）合并值，再转宽表：

library(dplyr)
library(tidyr)

df_result <- df %>%
  # 按样本+方法分组，聚合protein值（这里用均值，可替换为sum/median）
  group_by(id, frak, mload, speclib) %>%
  summarise(protein = mean(protein), .groups = "drop") %>%
  # 转宽表，添加指定前缀
  pivot_wider(
    names_from = speclib,
    values_from = protein,
    names_prefix = "protein_speclib"
  )

df_result

输出结果：

# A tibble: 2 × 5
  id    frak  mload protein_speclibNo protein_speclibSpecLib
  <chr> <chr> <dbl>             <dbl>                  <dbl>
1 R1    R       190              490.5                    564
2 R2    R       160              490                      559

方案2：保留唯一值（适用于重复值是录入错误场景） #

如果重复值是数据录入错误，可保留每组的第一个/最后一个值：

df_result <- df %>%
  group_by(id, frak, mload, speclib) %>%
  slice_head(n = 1) %>% # 取第一个值，slice_tail(n=1)取最后一个
  ungroup() %>%
  pivot_wider(
    names_from = speclib,
    values_from = protein,
    names_prefix = "protein_speclib"
  )

df_result

输出结果（保留R1的No组第一个值490）：

# A tibble: 2 × 5
  id    frak  mload protein_speclibNo protein_speclibSpecLib
  <chr> <chr> <dbl>             <int>                  <int>
1 R1    R       190               490                    564
2 R2    R       160               490                    559

方案3：保留所有重复值（适用于需要保留全部测量数据场景） #

如果要保留所有重复的protein值，可给每组添加行号，生成带序号的列名：

df_result <- df %>%
  group_by(id, frak, mload, speclib) %>%
  mutate(row_num = row_number()) %>%
  ungroup() %>%
  pivot_wider(
    names_from = c(speclib, row_num),
    values_from = protein,
    names_glue = "protein_speclib{speclib}_{row_num}"
  )

df_result

输出结果：

# A tibble: 2 × 6
  id    frak  mload protein_speclibNo_1 protein_speclibNo_2 protein_speclibSpecLib_1
  <chr> <chr> <dbl>               <int>               <int>                    <int>
1 R1    R       190                 490                 491                      564
2 R2    R       160                 490                  NA                      559

内容的提问来源于stack exchange，提问作者cmirian