使用spread函数遇行重复标识符报错的技术咨询

这个报错的根源很明确：你的数据里同一个日期（date）对应了多条同一个州（state）的气温记录。比如看2018-01-03这一天，UT和OH各自都有两条tmin值，spread()没办法自动判断该把哪条值放到对应的列里，所以抛出了重复标识符的错误。

下面给你两种针对性的解决方案，根据你的数据实际情况选择：

方案1：聚合/去重重复的date-state记录 #

如果这些重复记录是数据冗余（比如重复录入），或者你想对同一日期同一州的多个气温值做聚合（比如取平均、最大值），可以先处理重复项再spread：

子方案1.1：保留每组第一条记录 #

library(dplyr)
library(tidyr)

df %>%
  group_by(date, state) %>%
  slice(1) %>%  # 保留每个date-state组的第一行
  spread(state, tmin)

子方案1.2：聚合气温值（比如取平均值） #

如果同一日期同一州的多个tmin是重复测量数据，推荐用聚合函数整合：

df %>%
  group_by(date, state) %>%
  summarise(tmin = mean(tmin, na.rm = TRUE)) %>%  # 也可以用max/min等
  spread(state, tmin)

方案2：保留所有重复记录（添加唯一标识符） #

如果这些重复记录都是有效的（比如同一日期同一州的不同时段测量值），可以给每个date-state组添加一个行序号，让每行的标识符唯一，再进行spread：

df %>%
  group_by(date, state) %>%
  mutate(row_id = row_number()) %>%  # 给每组内的行加序号
  spread(state, tmin) %>%
  ungroup()

执行后会生成类似UT、OH列，同时保留row_id来区分同一日期的多条记录；如果你想把同一州的多个值拆成单独列，也可以用更现代的pivot_wider函数（tidyr推荐替代spread的函数）：

df %>%
  pivot_wider(
    id_cols = date,
    names_from = state,
    values_from = tmin,
    names_glue = "{state}_{row_number()}"  # 生成UT_1、UT_2、OH_1这类列名
  )

为什么之前的尝试没生效？ #

• 单纯按date分组：只是分组但没处理同一组内重复的state记录，所以spread时还是会遇到重复标识符。
• add_rownames()：添加的行名是全局唯一的，但spread默认用date作为行的标识符，不会用到行名，所以无法解决同一date下的重复state问题。

内容的提问来源于stack exchange，提问作者Alex