dplyr管道中用tidyr::spread转宽表时分组多值冲突问题求解

根因说明 #

你判断的报错原因正确：spread/pivot_wider要求用来定位行的键（此处为Hour+dt的组合）必须唯一，你的数据中多个Hour+dt分组下存在多个Programme_watched值，同一个分组会返回多行数据，触发键重复报错。

解决方案 #

在summarise步骤将同分组下的多个节目名称拼接为单个字符串，保证每个Hour+dt分组仅返回1行数据后再做宽表转换，tidyr新版更推荐使用pivot_wider替代已逐渐被弃用的spread函数，完整可运行代码如下：

# 加载依赖包
library(dplyr)
library(tidyr)

# 数据处理代码
df %>%
  group_by(Hour, dt) %>%
  # 同组多个节目默认用逗号+空格拼接，.groups参数消除summarise的分组提示
  summarise(Programmes = toString(Programme_watched), .groups = "drop") %>%
  # 转换为宽表，dt值作为列名，拼接后的节目名称作为单元格值
  pivot_wider(names_from = dt, values_from = Programmes)

可选调整 #

• 如果你需要使用旧版spread函数，把最后一行替换为spread(dt, Programmes)即可正常运行
• 如果你想要自定义分隔符（比如用分号代替逗号），可以把拼接代码替换为Programmes = paste(Programme_watched, collapse = ";")

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