如何用tidyverse::spread将长格式DataFrame转为宽格式并包含所有变量？

嘿，我来帮你解决这个问题！你想要把长格式的df按respid分组，把每个member_id对应的gender、edu、dob都转成带序号的宽格式列对吧？你的尝试只处理了单个变量，而且分组逻辑有点小问题，下面给你两种靠谱的解决办法：

先修正你的输入数据（小细节） #

首先你的原始df代码格式有点小问题，我先帮你调整成可直接运行的版本：

library(tidyverse)

df <- tibble::tribble(
  ~respid, ~member_id, ~gender, ~edu, ~dob,
  100L, 1L, 1L, 3L, 1978L,
  100L, 2L, 1L, 3L, 1980L,
  200L, 1L, 1L, 4L, 1974L,
  200L, 2L, 2L, 5L, 1955L,
  300L, 1L, 2L, 3L, 1998L,
  300L, 2L, 1L, 4L, 1999L,
  300L, 3L, 2L, 3L, 2001L
)

方案1：用spread（兼容旧版tidyverse） #

spread一次只能处理一个值列，所以我们得先把多个变量收拢成键值对，再展开：

output_spread <- df %>%
  # 先把gender/edu/dob这三个变量收拢成统一的键(var)和值(val)列
  gather(key = "var", value = "val", gender, edu, dob) %>%
  # 生成带成员序号的新列名，比如gender_1、edu_2
  mutate(var_member = paste0(var, "_", member_id)) %>%
  # 去掉不需要的中间列
  select(-var, -member_id) %>%
  # 转成宽格式
  spread(key = var_member, value = val) %>%
  # 按respid排序，和你期望的输出一致
  arrange(respid)

方案2：用pivot_wider（tidyverse推荐的新版函数，更简洁） #

现在tidyverse更推荐用pivot_wider，它直接支持多变量转宽，还能自定义列名格式，代码清爽很多：

output_pivot <- df %>%
  pivot_wider(
    id_cols = respid, # 按respid作为分组主键
    names_from = member_id, # 用member_id作为列名的后缀
    values_from = c(gender, edu, dob), # 需要转宽的所有变量
    names_glue = "{.value}_{names_from}" # 定义列名格式：变量名_成员ID
  ) %>%
  arrange(respid)

为什么你之前的代码不对？ #

• 你错误地按member_id分组了！应该按respid分组——member_id是每个respid下的成员序号，只有按respid分组，才能正确对应每个成员的位置；
• 你只处理了gender一个变量，没对edu和dob做同样操作，所以没法得到完整的宽格式数据。

运行上面任意一种方案，都能得到你想要的output结果，pivot_wider是现在更推荐的写法哦～

内容的提问来源于stack exchange，提问作者Ann