如何使用dplyr结合rep实现频次型存储数据框的优雅展开

完全不需要逐行循环拼接，搭配tidyr（同属tidyverse核心生态）的原生函数即可完成，且天然支持多分类维度的扩展，核心用到两个函数：

• pivot_longer()：将宽表存储的计数列转换为长表，自动保留其余所有分类维度列
• uncount()：按指定的计数值，将当前行重复对应次数，直接完成明细行展开

完整可运行代码 #

library(dplyr)
library(tidyr)

df_expanded3 <- df %>%
  # 将宽表的计数列转为长格式
  pivot_longer(
    # 多维度场景下可灵活指定范围：比如固定保留若干分类列、其余全部作为计数列时，可写为 cols = -c(分类列1, 分类列2)
    cols = c(disease, no_disease),
    names_to = "disease_status",
    values_to = "n"
  ) %>%
  # 将原列名映射为对应的0/1患病状态
  mutate(disease_status = ifelse(disease_status == "disease", 1L, 0L)) %>%
  # 按计数值n重复对应行数，完成展开
  uncount(n)

结果校验 #

生成的结果和你之前循环拼接的版本完全一致：

all.equal(df_expanded3, df_expanded2)
# 返回 TRUE 即说明结果无差异

方案优势 #

• 无冗余循环逻辑，全程使用管道链式操作，完全符合dplyr的使用习惯
• 扩展性极强：新增任意维度的分类列（例如年龄组、性别、研究地区）时，代码逻辑完全不需要修改，只要确保计数列被纳入pivot_longer()的处理范围即可
• 性能表现远优于逐行bind_rows的循环实现，uncount()为底层向量化实现，处理大计数规模的数据时速度提升会非常明显

内容的提问来源于stack exchange，提问作者dfrankow