如何按分组变量展开二进制变量并将数据集转为宽格式？

我懂你现在的困扰——想把长格式数据转成宽格式，每个ID单独占一行，而且DOB和Age这些每个ID唯一的信息只保留一列，同时把Outcome拆成多列，之前用tidyr或者reshape的时候还碰到了重复相关的报错对吧？别着急，咱们用tidyr的pivot_wider()就能完美解决这个问题，关键是要告诉函数怎么处理同一个ID下的多个Outcome值。

先给你模拟一份和你场景匹配的原始数据，方便你对照：

library(tidyr)
library(dplyr)

# 模拟你的长格式数据集
df <- tibble(
  ID = c(1,1,2,2,3),
  DOB = c("1990-01-01", "1990-01-01", "1985-05-05", "1985-05-05", "2000-10-10"),
  Age = c(34,34,39,39,24),
  Outcome = c("A", "B", "A", "C", "B")
)

方案1：把多个Outcome转成带序号的列 #

如果你的每个ID对应多个不同的Outcome结果，想要把它们拆成Outcome_1、Outcome_2这样的列，可以先给每个ID下的Outcome加个序号，再转宽：

df_wide <- df %>%
  group_by(ID) %>%
  mutate(outcome_seq = row_number()) %>% # 给每个ID的Outcome按顺序编号
  ungroup() %>%
  pivot_wider(
    id_cols = c(ID, DOB, Age), # 指定作为唯一标识的列（这些列每个ID只有唯一值）
    names_from = outcome_seq,
    values_from = Outcome,
    names_prefix = "Outcome_" # 给生成的列名加前缀
  )

运行后你会得到每个ID一行，DOB和Age各一列，不同的Outcome分别放在带序号的列里。

方案2：把Outcome转成二进制指示列 #

如果你的Outcome是固定的几个类别（比如A、B、C），想要把每个类别变成单独的列，用1/0标记该ID是否有这个结果，可以这么写：

df_wide_binary <- df %>%
  pivot_wider(
    id_cols = c(ID, DOB, Age),
    names_from = Outcome,
    values_from = Outcome,
    values_fn = ~1, # 只要存在该Outcome就标记为1
    values_fill = 0 # 不存在则填充0
  )

这样生成的宽表会有A、B、C这类列，对应的值表示该ID是否有这个结果。

为什么之前会报错？ #

你之前碰到的重复相关错误，是因为默认情况下pivot_wider发现同一个ID（加上DOB、Age）对应多个Outcome值时，不知道该怎么聚合这些值。通过上面两种方式——要么给Outcome加序号让每个组合唯一，要么用values_fn指定聚合规则（比如标记存在与否），就能避免这个冲突啦。

内容的提问来源于stack exchange，提问作者user183974