在R语言中将不同值的多行合并为单行的实现方法

方法一：使用tidyverse（tidyr + dplyr） #

这是最常用的tidy风格处理方式，步骤清晰易读：

1. 加载所需包：

library(tidyverse)

2. 构造示例数据集（可替换为read.table/read.csv等导入你自己的数据）：

df <- data.frame(
  ID = c("smith192", "green484", "green484", "tom584", "tom584", "tom584"),
  age = c(17, 12, 13, 12, 14, 15),
  disease = c("lung_cancer", "diabetes", "heart_irregularities", "colon_cancer", "diabetes", "malnutrition"),
  stringsAsFactors = FALSE
)

3. 为每个ID的记录添加分组内序号，用来区分同ID下的不同观测：

df <- df %>%
  group_by(ID) %>%
  mutate(row_num = row_number()) %>%
  ungroup()

4. 转换为宽格式，通过names_glue指定列名格式：

wide_df <- df %>%
  pivot_wider(
    id_cols = ID,
    names_from = row_num,
    values_from = c(age, disease),
    names_glue = "{.value}_{row_num}"
  )

运行后得到的wide_df就是目标格式，缺失位置会自动填充NA。

方法二：使用data.table（适合大数据集） #

如果数据集规模较大，data.table的dcast处理效率更高：

1. 加载data.table包：

library(data.table)

2. 转换为data.table格式并添加分组序号：

dt <- as.data.table(df)
dt[, row_num := seq_len(.N), by = ID]

3. 执行宽格式转换：

wide_dt <- dcast(
  dt,
  ID ~ row_num,
  value.var = c("age", "disease"),
  sep = "_"
)

输出结果与tidyverse方法一致，处理大样本时速度优势明显。

内容的提问来源于stack exchange，提问作者Aaron Z