R语言如何基于列内容将长格式dataframe转换为宽格式

这是典型的长格式数据转宽格式需求，针对数百万行级别的数据量，直接使用底层优化过的库即可实现高性能转换，以下是两种主流开发环境的实现方案：

Python 环境 #

优先方案：Polars（推荐，百万行数据毫秒级完成，性能远超pandas） #

import polars as pl

# 若数据已存为pandas DataFrame可直接转换：df = pl.from_pandas(pandas_df)
# 也可以直接读入原始文件：df = pl.read_csv("your_data_path.csv")

# 执行长转宽操作
wide_df = df.pivot(
    index="Date",
    columns="Item",
    values="size"
)

# 如需转回pandas格式可调用：wide_df.to_pandas()

备选方案：Pandas #

import pandas as pd

# 提前将size列转为数值类型，可大幅提升转换效率
df["size"] = pd.to_numeric(df["size"])
wide_df = df.pivot(index="Date", columns="Item", values="size").reset_index()

R 环境 #

优先使用data.table的dcast实现，是R生态下性能最高的宽表转换方案，远快于tidyr系列函数：

library(data.table)

# 将原始数据转为data.table格式，若直接用fread读入数据则默认就是data.table格式
setDT(df)

# 执行长转宽操作
wide_df <- dcast(df, Date ~ Item, value.var = "size")

内容的提问来源于stack exchange，提问作者Arturo