R语言使用pivot_wider实现含多值字段的长表转宽表

核心处理逻辑 #

1. 先给每行数据归属到对应ID分组，解决原始数据ID与属性行纵向排列的对应问题
2. 统一属性名（去掉col1字段末尾的多余点号），避免同一属性被识别为不同类别
3. 对同一ID下的多个animal值生成递增序号，其余属性仅保留单序列
4. 执行长转宽操作，缺失值自动填充NA

R 实现（基于tidyverse工具链） #

library(tidyverse)

# 预处理：归属ID分组、统一属性名
df_clean <- df %>%
  mutate(
    # 生成ID分组：遇到ID行取对应值，其余行向前填充最近的ID
    ID = if_else(col1 == "ID", col2, NA_character_) %>% zoo::na.locf(),
    # 去掉col1末尾的点，统一属性命名
    col1 = str_remove(col1, "\\.$")
  ) %>%
  # 过滤掉原始ID行，避免重复计数
  filter(col1 != "ID")

# 给同ID下的animal生成序号
df_clean <- df_clean %>%
  group_by(ID, col1) %>%
  mutate(idx = if_else(col1 == "animal", row_number(), 1)) %>%
  ungroup()

# 长转宽
df_wide <- df_clean %>%
  pivot_wider(
    id_cols = ID,
    names_from = c(col1, idx),
    values_from = col2,
    names_sep = ""
  )

Python 实现（基于pandas） #

import pandas as pd
import numpy as np

# 预处理：归属ID分组、统一属性名
df['ID'] = np.where(df['col1'] == 'ID', df['col2'], np.nan)
df['ID'] = df['ID'].ffill()
# 去掉col1末尾的点，统一属性命名
df['col1'] = df['col1'].str.rstrip('.')
# 过滤掉原始ID行
df = df[df['col1'] != 'ID'].reset_index(drop=True)

# 给同ID下的animal生成序号
df['idx'] = df.groupby(['ID', 'col1']).cumcount() + 1
# 非animal属性无需生成多列，序号统一为1
df.loc[df['col1'] != 'animal', 'idx'] = 1

# 长转宽
df_wide = df.pivot(
    index='ID',
    columns=['col1', 'idx'],
    values='col2'
).reset_index()
# 合并列名，非animal列去掉序号后缀
df_wide.columns = [f"{col}{num}" if num != 1 else col for col, num in df_wide.columns]

内容的提问来源于stack exchange，提问作者alex