嘿，这个需求我天天在数据处理里碰到！用R来实现其实非常简单，核心就是把长格式数据转成宽格式，我给你用最常用的工具一步步演示～

首先先明确你的需求场景，我先模拟一组典型的输入输出示例：

示例输入（长格式）：

类别	年份	数值
销售额	2020	100
销售额	2021	150
销售额	2022	200
利润	2020	20
利润	2021	30
利润	2022	40

示例输出（宽格式，年份转成列）：

类别	2020	2021	2022
销售额	100	150	200
利润	20	30	40

方法一：用tidyverse的tidyr包（推荐） #

这是现在R数据处理的主流工具，语法清晰功能强大，和dplyr等包配合起来超顺手。

1. 先构造示例输入数据（你可以替换成自己的表格）：

input_df <- data.frame(
  类别 = c("销售额", "销售额", "销售额", "利润", "利润", "利润"),
  年份 = c(2020, 2021, 2022, 2020, 2021, 2022),
  数值 = c(100, 150, 200, 20, 30, 40)
)

2. 用pivot_wider函数完成转换：

# 先加载tidyverse包（包含tidyr）
library(tidyverse)

# 核心转换代码
output_df <- input_df %>%
  pivot_wider(
    id_cols = 类别,          # 保持不变的行标识列（可以是多个，比如c(类别, 地区)）
    names_from = 年份,       # 要转成列名的列（这里就是年份）
    values_from = 数值       # 填充新列的数值来源
  )

# 查看结果
print(output_df)

如果你的数据里存在同一类别同一年份有多个数值的情况，还可以用values_fn参数做聚合处理：

# 比如对重复值取平均值，也可以用sum、max等
output_df <- input_df %>%
  pivot_wider(
    id_cols = 类别,
    names_from = 年份,
    values_from = 数值,
    values_fn = mean
  )

方法二：base R原生reshape函数（无需额外包） #

如果你不想加载第三方包，base R的reshape也能搞定，就是语法稍微繁琐一点：

output_df_base <- reshape(
  input_df,
  idvar = "类别",    # 行标识列
  timevar = "年份",  # 要转成列的变量
  direction = "wide" # 指定转换方向为宽格式
)

# 去掉默认的列名前缀（比如"数值."）
colnames(output_df_base) <- gsub("数值\\.", "", colnames(output_df_base))
print(output_df_base)

方法三：reshape2包的dcast函数 #

这是tidyr之前常用的工具，现在虽然不如tidyr流行，但也能轻松实现：

library(reshape2)

output_df_dcast <- dcast(input_df, 类别 ~ 年份, value.var = "数值")
print(output_df_dcast)

总的来说，优先推荐tidyr::pivot_wider，它的参数逻辑更直观，处理复杂场景的能力也更强，几乎能覆盖所有行转列的需求～

内容的提问来源于stack exchange，提问作者Kyle