如何用tidyr包的spread()替代cast()实现正确的营收数据重塑？

首先，你遇到的cast()数值错误，核心问题是输入数据格式不对——cast()是用来把长格式数据转成宽格式的，但你当前的数据已经是宽格式（每个日期作为单独的列），直接用cast会导致函数错误解析数据，自然得到错误的数值。而且reshape包确实多年没有更新了，转用tidyverse家族的tidyr是更稳妥的选择，下面一步步帮你解决：

一、关于reshape::cast()的前置数据处理 #

是的，使用cast()前必须把数据转换成长格式（每一行对应一个Grade-Date-Revenue的独立观测），操作步骤如下：

1. 先用melt()把宽格式转成长格式：

library(reshape)
# 把除Grade外的所有列转为Date变量，对应的值为Revenue
melted_df <- melt(mydata, id.vars = "Grade", variable.name = "Date", value.name = "Revenue")

2. 再用cast()聚合求和：

casted_df <- cast(melted_df, Grade ~ Date, value = "Revenue", fun.aggregate = sum)

不过还是建议尽快切换到tidyr，因为reshape的维护停滞意味着后续可能出现更多兼容性问题。

二、用tidyr实现相同需求（更稳定灵活） #

tidyr在1.0版本后推荐用pivot_longer()（宽转长）和pivot_wider()（长转宽），比旧的gather()/spread()功能更强，步骤如下：

步骤1：加载必要的包 #

library(tidyr)
library(dplyr) # 用于数据聚合

步骤2：把宽格式数据转成长格式 #

long_df <- mydata %>%
  pivot_longer(
    cols = -Grade, # 指定除Grade外的所有列是要转换的日期列
    names_to = "Date", # 转换后日期列的名称
    values_to = "Revenue" # 转换后营收值的列名称
  )

步骤3：聚合+转成目标宽格式 #

如果你的原始数据中，同一个Grade+Date组合可能有多个观测（需要求和），就加上聚合步骤：

final_df <- long_df %>%
  group_by(Grade, Date) %>%
  summarise(Total_Revenue = sum(Revenue), .groups = "drop") %>% # 按Grade和Date求和
  pivot_wider(
    names_from = Date, # 把Date列的内容作为新的列名
    values_from = Total_Revenue # 把求和后的营收值填入对应列
  )

如果每个Grade+Date只有一条数据，直接转宽即可：

final_df <- long_df %>%
  pivot_wider(
    names_from = Date,
    values_from = Revenue
  )

这样得到的结果就是每个Grade在各Date的总营收，格式和你预期的一致，而且数值准确。

内容的提问来源于stack exchange，提问作者mmkuchi