如何仅基于键值对将长格式DataFrame转换为宽格式？

嘿，这个需求我之前处理过！针对你这种每个公司标签数量不固定的长表转宽表场景，你的思路完全正确——给每个公司的标签添加带编号的列作为宽表的列名，就能轻松实现转换了。下面我用R的dplyr和tidyr包给你具体演示步骤，亲测对8万行数据效率也没问题~

步骤1：模拟你的数据（方便演示） #

先造一个和你数据结构一致的示例：

library(dplyr)
library(tidyr)

set.seed(123) # 固定随机结果，方便复现
df <- tibble(
  公司名称 = rep(c("A公司", "B公司", "C公司"), c(3, 5, 2)), # 每个公司标签数量不同
  标签 = sample(c("科技", "金融", "零售", "医疗"), 10, replace = TRUE)
)

步骤2：为每个公司的标签添加序号列 #

用group_by()按公司分组，再用row_number()给组内的标签编序号，最后拼接成规范的列名（比如标签_1、标签_2）：

df_with_index <- df %>%
  group_by(公司名称) %>%
  mutate(标签序号 = paste0("标签_", row_number())) %>%
  ungroup()

步骤3：转换为宽格式 #

用pivot_wider()（比旧版的spread()更灵活强大）完成转置，指定索引列、列名来源列和值来源列即可：

wide_df <- df_with_index %>%
  pivot_wider(
    id_cols = 公司名称,          # 作为宽表行标识的列
    names_from = 标签序号,      # 作为宽表列名的列
    values_from = 标签          # 填充宽表单元格的列
  )

可选优化：处理空值 #

如果不想让没有标签的位置显示NA，可以用values_fill参数替换成空字符串或其他默认值：

wide_df <- df_with_index %>%
  pivot_wider(
    id_cols = 公司名称,
    names_from = 标签序号,
    values_from = 标签,
    values_fill = "" # 将NA替换为空字符串
  )

这样处理后，你就能得到每个公司一行、标签按序号排列的宽格式DataFrame啦，完全适配你8万行的数据集~

内容的提问来源于stack exchange，提问作者pez