R语言：如何将matrix长数据转宽并生成协方差矩阵？

数据集 #

df1 <- "ID     t      res
        1      1     -1.5
        1      2     -1.5
        1      3      0.5
        1      4      0.5
        2      1     -0.5
        2      2     -0.5
        2      3     -2.0
        2      4     -1.5
        2      5      1.5"
df1 <- read.table(text = df1, header = TRUE)

需求 #

• 将数据转换为matrix类型
• 从长格式转换为目标宽格式：

  ID   1     2     3     4    5
  1   -1.5 -1.5   0.5  0.5   NA
  2   -0.5 -0.5  -2.0 -1.5   1.5
  

• 生成5×5的目标协方差矩阵：

  1      2       3       4      5
  0.5    0.5    -1.25   -1      0
  0.5    0.5    -1.25   -1      0
  

-1.25 -1.25 3.125 2.5 0
-1 -1 2.5 2 0
0 0 0 0 0

已知用dataframe可以通过`pivot_wide`/`reshape`+`cov`实现，但过程繁琐，希望了解基于matrix对象的实现步骤。

---

## 解决方案

### 1. 将DataFrame转换为Matrix
直接使用`as.matrix()`完成类型转换：
```r
mat <- as.matrix(df1)

2. 长格式转宽格式（Matrix原生实现） #

通过矩阵索引和循环填充完成转换，无需依赖tidyverse工具：

# 获取唯一ID和目标时间点范围
ids <- unique(mat[, "ID"])
time_points <- 1:5

# 初始化宽矩阵，第一列为ID，其余列为时间点
wide_mat <- matrix(NA, nrow = length(ids), ncol = length(time_points) + 1)
colnames(wide_mat) <- c("ID", as.character(time_points))
wide_mat[, "ID"] <- ids

# 遍历原矩阵填充对应位置的值
for(i in 1:nrow(mat)){
  id_idx <- which(wide_mat[, "ID"] == mat[i, "ID"])
  time_col <- as.character(mat[i, "t"])
  wide_mat[id_idx, time_col] <- mat[i, "res"]
}

print(wide_mat)

3. 生成目标协方差矩阵 #

提取数值部分后计算协方差，处理缺失值并补零：

# 提取宽矩阵中的数值部分（剔除ID列）
values_mat <- wide_mat[, -1]

# 计算协方差，使用pairwise.complete.obs保证仅用非缺失数据对计算
cov_mat <- cov(values_mat, use = "pairwise.complete.obs")

# 将全缺失对应的协方差值替换为0
cov_mat[is.na(cov_mat)] <- 0

print(cov_mat)

内容的提问来源于stack exchange，提问作者Ahir Bhairav Orai