使用pivot_wider()遇嵌套列表问题：如何取均值并保留数值类型？

方法一：先聚合再转宽表（推荐，高效） #

在执行pivot_wider()之前，先按Arb_PersonID和LabComponentName分组计算均值，转宽表后直接得到numeric类型的列，完全避免列表生成：

library(tidyr)
library(dplyr)

dfx <- data.frame("Arb_PersonID" = c(1,1,2,2,2,2), 
                  "LabComponentName" = c("2ch", "4ch", "2ch", "4ch", "2ch", "4ch"), 
                  "LabResult" = c(56, 55, 50, 54, 56, 60))

# 分组计算均值后转宽表
dfx_processed <- dfx %>%
  group_by(Arb_PersonID, LabComponentName) %>%
  summarize(LabResult = mean(LabResult, na.rm = TRUE), .groups = "drop") %>%
  pivot_wider(names_from = LabComponentName, values_from = LabResult)

# 查看结果类型
str(dfx_processed)

输出中2ch和4ch列均为numeric类型，对应均值分别为56、53和55、57，完全匹配需求。

方法二：处理已生成的列表列 #

如果已经执行pivot_wider()得到了带列表的宽表，可通过sapply()遍历列表计算均值，转换列类型：

# 先得到带列表的宽表
dfx_wide <- dfx %>%
  pivot_wider(names_from = LabComponentName, values_from = LabResult)

# 转换列表列为均值（numeric类型）
dfx_wide_fixed <- dfx_wide %>%
  mutate(across(c(`2ch`, `4ch`), ~ sapply(., mean, na.rm = TRUE)))

# 查看结果类型
str(dfx_wide_fixed)

方法一的优势 #

针对14000行的数据集，先聚合再转宽表能减少中间数据量，处理效率更高，且从根源上避免了列表列的生成，无需额外转换步骤。

内容的提问来源于stack exchange，提问作者dsr