如何将长格式data.frame转换为带物种存在/缺失标记的宽格式？

问题说明 #

原始数据：

tmp <- data.frame(x = c(51, 51, 13, 51, 51, 61),
                  y = c(24, 24, 52, 24, 24, 13),
                  plot=c("ua1", "ua1", "ua2", "ua1", "ua1", "ua3"), 
                  spp=c("sp1", "sp1", "sp2", "sp3", "sp4", "sp1"))

需求：

• 保留x、y、plot列，将spp的唯一值转为新列
• 新列用1标记对应plot中存在该物种，0标记不存在，最终每个plot仅保留一行对应坐标

之前尝试tmp %>% pivot_wider(names_from = "spp", values_from = "plot")无法得到正确结果，仅返回物种所在plot名称，其余位置为NA。

期望输出：

data.frame(x = c(51, 13, 61),
           y = c(24, 52, 13),
           plot=c("ua1", "ua2", "ua3"),
           sp1=c(1, 0, 1),
           sp2=c(0, 1, 0),
           sp3=c(1, 0, 0),
           sp4=c(1, 0, 0))

解决方法 #

方法1：简洁的tidyverse流程 #

核心是先标记物种存在，去重重复的plot-spp组合，再转宽并填充缺失值为0：

library(tidyverse)

tmp %>%
  mutate(exists = 1) %>% # 标记存在的物种
  distinct(plot, spp, x, y, .keep_all = TRUE) %>% # 去重避免重复行
  pivot_wider(names_from = spp, values_from = exists, values_fill = 0)

方法2：分步处理坐标与物种存在情况 #

如果需要更清晰的分步逻辑，可先提取每个plot的唯一坐标，再生成全量plot-spp组合并标记存在：

library(tidyverse)

# 提取每个plot对应的唯一坐标
plot_coords <- tmp %>% distinct(plot, x, y)

# 生成所有plot-spp组合，标记存在状态
spp_presence <- tmp %>%
  distinct(plot, spp) %>%
  mutate(exists = 1) %>%
  complete(plot, spp, fill = list(exists = 0)) # 补全缺失的组合并标记为0

# 合并坐标与存在状态，转宽后调整列顺序
spp_presence %>%
  left_join(plot_coords, by = "plot") %>%
  pivot_wider(names_from = spp, values_from = exists) %>%
  select(x, y, plot, everything())

两种方法均可得到符合需求的输出，方法1更适合原始数据中每个plot的x/y值重复但一致的场景。

内容的提问来源于stack exchange，提问作者hiperhiper