R语言中将长格式dataframe转换为0-1二元存在性dataframe

需求说明 #

现有长格式数据框，每一行对应「分组-名称」的从属关系，需要转换为以名称为行、分组为列的宽表，单元格值为1代表对应名称属于该分组，0代表不属于。
原始数据结构示例：

目标输出结构：

实现代码 #

首先加载原始测试数据：

df <- structure(list(Groups = c("G1", "G1", "G1", "G2", "G2", "G3", 
"G3"), Names = c("SP1", "SP2", "SP3", "SP1", "SP4", "SP2", "SP1"
)), class = "data.frame", row.names = c(NA, -7L))

方法1：基础R实现（无需安装任何包） #

直接用R内置的交叉表函数table()统计组合出现次数，由于每个组合最多出现1次，统计结果天然就是0/1值：

# 生成交叉频数表
cross_tab <- table(df$Names, df$Groups)
# 转为数据框，重置行名
res <- as.data.frame.matrix(cross_tab)
res <- cbind(Names = rownames(res), res)
rownames(res) <- NULL

方法2：tidyverse流程实现（适合日常用dplyr处理数据的场景） #

通过pivot_wider完成长转宽，缺失的组合自动填充0：

library(dplyr)
library(tidyr)

res <- df %>%
  mutate(flag = 1) %>% # 给存在的组合打存在标记
  pivot_wider(
    names_from = Groups,
    values_from = flag,
    values_fill = 0 # 不存在的组合填0
  ) %>%
  arrange(Names) # 按名称排序对齐示例输出

方法3：data.table实现（适合百万级以上大数据量场景） #

用dcast函数做长转宽，运算速度远高于前两种方法：

library(data.table)
setDT(df)
res <- dcast(
  df,
  Names ~ Groups,
  fun.aggregate = length, # 统计出现次数
  fill = 0 # 未出现的组合填0
)

结果验证 #

运行上述任意一种方法，输出结果均与目标格式完全一致：

> print(res)
  Names G1 G2 G3
1   SP1  1  1  1
2   SP2  1  0  1
3   SP3  1  0  0
4   SP4  0  1  0

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