如何在R中依据分组变量拆分数值列并生成精简宽表？

需求说明 #

将长格式数据转换为宽格式：每个entity_name（关联对应的bus_reg_no）对应一行，把TimePeriod的2018/2019/2020取值作为列名，填充对应的market_test数值。

第一步：修正原始数据结构 #

你用cbind()创建的dat是字符型矩阵，而非数据框，且market_test被强制转换为字符类型，这会导致后续转换函数无法正确识别数值。先修正数据结构：

# 重新构建正确的数据框
bus_reg_no <- c('G01', 'G01', 'G01', 'G02', 'G02', 'G02', 'G03', 'G03' , 'G03')
entity_name <- c('A','A','A','B','B','B','C','C','C')
TimePeriod <- c('2020','2019','2018','2020','2019','2018','2020','2019','2018')
market_test <- c(NA, 0.9330331232, 0.9969181046, 0.9429920482, 0.9689617356, 0.9764825438, NA, 0.2302289569, 0.7762837775)

dat <- data.frame(
  bus_reg_no = bus_reg_no,
  entity_name = entity_name,
  TimePeriod = TimePeriod,
  market_test = market_test,
  stringsAsFactors = FALSE
)

解决方案1：使用dcast函数 #

全量数据出现"Aggregate function missing, defaulting to 'length'"警告，是因为你的全量数据中存在重复的(entity_name, TimePeriod)分组（同一个实体同一年份有多条记录），dcast默认用length统计数量，所以输出0/1。解决方法是指定聚合函数，明确如何处理重复值：

library(reshape2)

# 转换为宽表，取每个分组的第一个非NA值（可根据业务需求替换为mean/sum等）
dat_wide_dcast <- dcast(
  data = dat,
  formula = bus_reg_no + entity_name ~ TimePeriod, # 行标识 ~ 列名来源
  value.var = "market_test", # 要填充的数值列
  fun.aggregate = function(x) x[!is.na(x)][1] # 处理重复分组的逻辑
)

解决方案2：使用pivot_wider函数 #

你之前的报错是因为错误地将entity_name放入names_from参数，导致行标识缺失，触发下标越界。正确用法是指定行标识列、列名来源列和数值列：

library(tidyr)

# 转换为宽表，同样处理重复值
dat_wide_pivot <- pivot_wider(
  data = dat,
  id_cols = c(bus_reg_no, entity_name), # 行的唯一标识列
  names_from = TimePeriod, # 作为列名的变量
  values_from = market_test, # 填充列的数值来源
  values_fn = function(x) x[!is.na(x)][1] # 重复分组的处理逻辑
)

转换后结果示例 #

两种方法都会得到如下宽表：

内容的提问来源于stack exchange，提问作者daisy