如何在R中将长格式数据的列响应转为独立二值宽列

首先修正原数据的创建方式（cbind会生成字符矩阵，建议转为数据框避免类型问题）：

id <- c(1,1,1,2,3,4,4,5,5,5)
gender <- c("F","F","F","M","Unknown","F","F","M","M","M")
fruit <- c("pear", "apple", "banana", "pear", "strawberry","banana", "banana", "pear", "strawberry", "banana")
df <- data.frame(id, gender, fruit, stringsAsFactors = FALSE)

核心需求是：为每种水果生成二进制列，标记受访者是否出现过该水果（同一受访者重复的水果只算一次）。以下是三种实现方法：

方法一：使用tidyverse（代码易读，推荐） #

library(tidyverse)

# 1. 去重：保留每个受访者-水果的唯一组合
df_unique <- df %>%
  distinct(id, gender, fruit)

# 2. 转换为宽格式
df_wide <- df_unique %>%
  pivot_wider(
    id_cols = c(id, gender),  # 行标识：受访者ID和性别
    names_from = fruit,       # 列名来源：水果种类
    values_fn = ~1,           # 存在该水果则赋值1
    values_fill = 0           # 不存在则填充0
  )

方法二：使用data.table（适合大数据，效率更高） #

library(data.table)

setDT(df)  # 转为data.table对象

# 去重：按ID和水果组合去重
df_unique <- unique(df, by = c("id", "fruit"))

# 转换为宽格式
df_wide <- dcast(
  df_unique, 
  id + gender ~ fruit, 
  fun.aggregate = length,  # 统计出现次数（去重后只会是1）
  fill = 0                 # 缺失值填充0
)

方法三：基础R实现（无需额外安装包） #

# 提取每个受访者的唯一性别信息
gender_df <- unique(df[, c("id", "gender")])

# 生成ID-水果交叉表，将重复次数转为1
fruit_table <- table(df$id, df$fruit)
fruit_table[fruit_table > 1] <- 1

# 合并性别表与水果交叉表
df_wide <- merge(
  gender_df, 
  as.data.frame.matrix(fruit_table), 
  by.x = "id", 
  by.y = "row.names"
)

关键注意点 #

• 必须先对受访者ID-水果组合去重，否则转换后会得到重复次数，而非二进制标记
• 示例数据中每个ID对应唯一性别，若实际数据存在ID对应多种性别的情况，需提前清理或确认数据逻辑

内容的提问来源于stack exchange，提问作者user21027866