如何将长格式data.table转为宽格式并保留列序与重命名列名

针对你提出的需求——将长格式数据转换为宽格式，同时保留scenario列的原始出现顺序作为宽表列顺序，并且替换列名前缀——我整理了两种可行的实现方案，分别基于tidyverse和data.table：

问题回顾 #

你有如下长格式数据：

print(DT)

scenario        hyear         P
1: flux_0_P1.0_1 2013-2014 0.14044214
2: flux_0_P1.0_1 2014-2015 0.09141671
3: flux_0_P1.0_2 2013-2014 0.69610343
4: flux_0_P1.0_2 2014-2015 0.52359157
5: flux_0_P1.0_3 2013-2014 0.89724457
6: flux_0_P1.0_3 2014-2015 0.78003786
7: flux_0_P1.0_10 2013-2014 0.73752843
8: flux_0_P1.0_10 2014-2015 0.62216371
9: flux_0_P1.0_11 2013-2014 0.14259943
10: flux_0_P1.0_11 2014-2015 0.15309200
11: flux_0_P1.0_12 2013-2014 0.81472886
12: flux_0_P1.0_12 2014-2015 0.66015071

需要达成两个目标：

• 宽表列顺序严格遵循scenario在原始数据中的出现顺序（1、2、3、10、11、12），而非字典序；
• 将列名中的flux前缀替换为原始数值列名P，比如flux_0_P1.0_1变为P_0_P1.0_1。

之前尝试tidyr::spread和data.table::dcast时，列会自动按字典序排列，不符合要求。

数据准备 #

你提供的数据集dput输出：

structure(list(scenario = c("flux_0_P1.0_1", "flux_0_P1.0_1", "flux_0_P1.0_2", "flux_0_P1.0_2", "flux_0_P1.0_3", "flux_0_P1.0_3", "flux_0_P1.0_10", "flux_0_P1.0_10", "flux_0_P1.0_11", "flux_0_P1.0_11", "flux_0_P1.0_12", "flux_0_P1.0_12"), hyear = c("2013-2014", "2014-2015", "2013-2014", "2014-2015", "2013-2014", "2014-2015", "2013-2014", "2014-2015", "2013-2014", "2014-2015", "2013-2014", "2014-2015" ), P = structure(c(0.140442142857143, 0.0914167142857143, 0.696103428571428, 0.523591571428571, 0.897244571428571, 0.780037857142857, 0.737528428571428, 0.622163714285714, 0.142599428571429, 0.153092, 0.814728857142857, 0.660150714285714))), .Names = c("scenario", "hyear", "P"), class = "data.frame", row.names = c(NA, -12L))

解决方案 #

核心技巧是把scenario列转换为因子类型，并指定其水平为原始数据中scenario的唯一值顺序，这样转换函数就会遵循这个顺序生成列，之后再批量替换列名即可。

方案1：使用tidyverse工具链 #

library(tidyr)
library(dplyr)

# 第一步：将scenario转为因子，锁定原始出现顺序
DT$scenario <- factor(DT$scenario, levels = unique(DT$scenario))

# 第二步：长转宽 + 批量替换列名
DT_wide_tidyr <- DT %>%
  spread(key = scenario, value = P) %>%
  rename_at(vars(contains("flux")), ~sub("flux", names(DT)[3], .))

# 查看结果
DT_wide_tidyr

输出结果：

# A tibble: 2 x 7
  hyear     P_0_P1.0_1 P_0_P1.0_2 P_0_P1.0_3 P_0_P1.0_10 P_0_P1.0_11 P_0_P1.0_12
  <chr>          <dbl>      <dbl>      <dbl>       <dbl>       <dbl>       <dbl>
1 2013-2014      0.140      0.696      0.897       0.738       0.143       0.815
2 2014-2015      0.0914     0.524      0.780       0.622       0.153       0.660

方案2：使用data.table工具链 #

library(data.table)

# 先转换为data.table（如果原本是data.frame的话）
setDT(DT)

# 锁定scenario的原始顺序为因子水平
DT[, scenario := factor(scenario, levels = unique(scenario))]

# 长转宽
DT_wide_dcast <- dcast(DT, hyear ~ scenario, value.var = names(DT)[3])

# 批量替换列名前缀
setnames(DT_wide_dcast, gsub("flux", names(DT)[3], names(DT_wide_dcast)))

# 查看结果
DT_wide_dcast

输出结果：

hyear P_0_P1.0_1 P_0_P1.0_2 P_0_P1.0_3 P_0_P1.0_10 P_0_P1.0_11 P_0_P1.0_12
1: 2013-2014  0.1404421  0.6961034  0.8972446   0.7375284   0.1425994   0.8147289
2: 2014-2015  0.0914167  0.5235916  0.7800379   0.6221637   0.1530920   0.6601507

关键细节说明 #

• 因子水平的设置是核心：levels = unique(DT$scenario)会提取scenario在原始数据中第一次出现的顺序，转换函数会严格按照这个顺序生成宽表列；
• 列名替换时用names(DT)[3]动态获取数值列名（这里是P），而不是硬编码，让代码可以适配其他类似结构的数据集。

内容的提问来源于stack exchange，提问作者Tung