R语言：按Company与Job聚合后转宽表的实现问题求助

嘿，这个问题我熟！你之所以遇到错误，核心原因是你的数据里存在重复的Company+Job组合——reshape和spread都要求每个分组（Company+Job）是唯一的，不然就不知道该保留哪个值，要么给警告只取第一行，要么直接报错。

解决思路很简单：先把同一Company+Job的Value求和，消除重复组合，再转成宽格式就行。下面给你两种常用的实现方法：

方法一：使用tidyverse工具链（推荐） #

dplyr负责分组求和，tidyr的pivot_wider（比旧版的spread更灵活）负责转宽格式，还能直接填充缺失值为0：

library(tidyverse)

# 你的原始数据
df1 <- data.frame(
  "Company" = c(1, 1, 1, 1, 2, 2, 3, 3, 3, 4), 
  "Job" = c(1,4,5,1,5,5,1,2,3,4), 
  "Value" = c(2.3,3,4.1,5.4,7.3,4.2,3.1,4,5,1.1)
)

# 第一步：按Company和Job分组，对Value求和
df_sum <- df1 %>%
  group_by(Company, Job) %>%
  summarise(Value = sum(Value), .groups = "drop")

# 第二步：转换为宽格式，自动生成Job1/Job2列名，缺失值填0
df2 <- df_sum %>%
  pivot_wider(
    id_cols = Company,
    names_from = Job,
    names_prefix = "Job",
    values_from = Value,
    values_fill = 0
  )

# 输出结果
print(df2)

运行后就能得到你想要的结果：每个Company一行，不同Job作为列，对应Value求和，没有的Job值自动填0。

方法二：使用Base R实现 #

如果不想加载额外包，用Base R的aggregate先聚合求和，再用reshape转宽：

# 你的原始数据
df1 <- data.frame(
  "Company" = c(1, 1, 1, 1, 2, 2, 3, 3, 3, 4), 
  "Job" = c(1,4,5,1,5,5,1,2,3,4), 
  "Value" = c(2.3,3,4.1,5.4,7.3,4.2,3.1,4,5,1.1)
)

# 第一步：聚合求和，消除重复的Company+Job组合
df_sum_base <- aggregate(Value ~ Company + Job, data = df1, sum)

# 第二步：转宽格式
df2_base <- reshape(
  df_sum_base,
  idvar = "Company",
  timevar = "Job",
  direction = "wide",
  v.names = "Value"
)

# 调整列名（把Value.1改成Job1），并将NA替换为0
colnames(df2_base) <- gsub("Value\\.", "Job", colnames(df2_base))
df2_base[is.na(df2_base)] <- 0

# 输出结果
print(df2_base)

为什么之前的代码会出错？ #

• 用reshape时，警告提示“multiple rows match for Job=1: first taken”，说明它发现了重复的Company+Job组合，只能默认取第一行的值，不是你要的求和结果；
• 用spread时，错误提示“Each row of output must be identified by a unique combination of keys”，直接明确要求每个分组必须唯一，所以无法处理重复组合。

先聚合再转宽，就能完美解决这个问题啦！

内容的提问来源于stack exchange，提问作者C. Toni