基于列匹配创建新数据表的技术实现需求

可以通过分组添加序号+宽表重塑的方式实现需求，用tidyverse工具链（dplyr+tidyr）操作更简洁：

# 加载所需包
library(tidyverse)

# 原数据
df <- data.frame(player=c('A', 'A', 'B', 'B', 'A', 'A', 'B', 'B'),
                 team=c('Mavs', 'Mavs', 'Mavs', 'Mavs', 'Suns', 'Suns', 'Suns', 'Suns'),
                 points=c(20, 22, 26, 30, 30, 5, 1, 5))

# 处理步骤
df2 <- df %>%
  # 按player和team分组，给每组内的记录添加序号（区分第1/2次得分）
  group_by(player, team) %>%
  mutate(point_num = row_number()) %>%
  ungroup() %>%
  # 将team和序号拼接成目标列名，比如MavsPoints1
  mutate(col_name = paste0(team, "Points", point_num)) %>%
  # 转成宽表：player作为行标识，col_name作为列，points作为值
  pivot_wider(id_cols = player, names_from = col_name, values_from = points) %>%
  # 可选：将得分列转成字符型（和你给出的目标格式一致）
  mutate(across(-player, as.character))

# 查看结果
df2

运行后得到的结果和你需要的df2完全一致：

# A tibble: 2 × 5
  player MavsPoints1 MavsPoints2 SunsPoints1 SunsPoints2
  <chr>  <chr>       <chr>       <chr>       <chr>      
1 A      20          22          30          5          
2 B      26          30          1           5          

关键步骤解释 #

• group_by(player, team) %>% mutate(point_num = row_number())：给每个球员在同一球队下的得分记录按出现顺序编号，区分第一次和第二次得分。
• mutate(col_name = paste0(team, "Points", point_num))：把球队名和编号拼接成目标列名，比如Mavs+Points+1 → MavsPoints1。
• pivot_wider：将长格式数据转成宽格式，实现"每个球员一行，各球队得分分列"的需求。

如果不想用tidyverse，也可以用基础R的reshape函数，但代码会繁琐很多，tidyverse方案更直观易读。

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