如何无需逐个枚举值，实现分组后列值的条件统计（R语言）

原始数据集：

Col1 | Col2
-----|-----
dog  | red
cat  | red
cat  | green
dog  | pink
cat  | orange 

需求：按Col1分组，将Col2的每个唯一值转为单独列，统计每组中各值的出现次数，期望输出如下：

Col1 | red | green | pink | orange 
-----|-----|-------|------|-------
dog  | 1   | 0     | 1    | 0
cat  | 1   | 1     | 0    | 1

常规做法是用dplyr的group_by配合summarise逐个定义统计列，代码如下：

df %>%
  group_by(Col1) %>%
  summarise(
    n_red = sum(Col2 == 'red'),
    n_pink = sum(Col2 == 'pink'),
    n_green = sum(Col2 == 'green'),
    n_orange = sum(Col2 == 'orange')
  )

但当Col2的唯一值数量很多时，逐个编写这类n_<color> = sum(Col2 == '<color>')语句效率极低，如何不用逐个编写实现上述输出？

方法1：dplyr + tidyr 实现（推荐） #

用count先统计每组每个Col2值的出现次数，再用pivot_wider自动转成宽表，缺失值直接填充为0，全程不用手动列名：

library(dplyr)
library(tidyr)

df %>%
  count(Col1, Col2) %>%
  pivot_wider(names_from = Col2, values_from = n, values_fill = 0)

逻辑很直观：先按Col1和Col2组合统计次数，再把Col2的每个值转成单独列，没有出现的数值用0填充。

方法2：Base R 原生实现 #

不想加载第三方包的话，用table函数直接生成交叉统计表，再转成数据框即可：

# 生成交叉统计表
cross_tab <- table(df$Col1, df$Col2)
# 转成数据框并调整格式
result <- as.data.frame.matrix(cross_tab)
result$Col1 <- rownames(result)
# 调整列顺序，把Col1放最前面
result <- result[, c("Col1", colnames(cross_tab))]
rownames(result) <- NULL

table会自动帮你统计所有组合的次数，没出现的组合直接显示0，最后整理下格式就和需求一致。

方法3：data.table 高效实现 #

如果处理的是大数据集，data.table的速度优势更明显，用法类似：

library(data.table)

setDT(df)[, .N, by = .(Col1, Col2)] %>%
  dcast(Col1 ~ Col2, value.var = "N", fill = 0)

先按Col1和Col2分组统计次数（.N代表每组行数），再用dcast转成宽表，fill=0填充缺失值。

内容的提问来源于stack exchange，提问作者DavidWebb