R语言如何按code分组转name多列 避免left_join产生重复行

问题说明 #

现有存储code与对应name字段的dataframe，code为业务唯一标识，但单个code可能对应多个name值。为避免后续执行left_join()操作时产生重复行，需要重构表结构：按code分组，将关联的多个name值拆分为name1/name2/...格式的独立列存储，无匹配值的位置可填充NA、空字符串等自定义值。

输入样例 #

df <- data.frame(
  code = c(1,1,2),
  name = c("a", "b", "c")
)

期望输出样例 #

resdf <- data.frame(
  code = c(1,2),
  name1 = c("a", "c"),
  name2 = c("b", "")
)

可行实现方案 #

方案1：tidyverse 实现（日常分析推荐，代码简洁易读） #

核心逻辑是先按code分组，给每个分组内的name按顺序生成列名序号，再通过宽表转换函数完成结构重组，缺失值可自定义填充规则：

library(dplyr)
library(tidyr)

resdf <- df %>%
  group_by(code) %>%
  # 为分组内每个name生成name1/name2...的列标识
  mutate(col_id = paste0("name", row_number())) %>%
  ungroup() %>%
  # 长转宽，values_fill参数控制缺失值填充内容，填NA就写values_fill = NA
  pivot_wider(
    names_from = col_id,
    values_from = name,
    values_fill = ""
  )

运行结果与期望输出完全一致，即使单个code对应更多name值（比如3个、4个），代码也会自动生成对应数量的name列，不需要手动提前指定列数。

方案2：基础R实现（无需安装第三方包） #

如果不想加载第三方依赖，用基础R的reshape函数搭配分组序号生成即可实现：

# 按code分组，为每个name生成对应的列序号
df$col_id <- paste0("name", with(df, ave(code, code, FUN = seq_along)))
# 执行长表转宽表操作
resdf <- reshape(
  df,
  idvar = "code",
  timevar = "col_id",
  direction = "wide"
)
# 清理自动生成的列名前缀
colnames(resdf) <- gsub("name\\.", "", colnames(resdf))
# 可选：将NA替换为空字符串，不需要可注释掉该行
resdf[is.na(resdf)] <- ""

内容的提问来源于stack exchange，提问作者Gmichael