使用reshape()/spread()/dcast()转换宽表失败的技术求助

我来帮你捋捋这个宽表转换的坑！你遇到的重复下标、新列缺失问题，本质上都是长表的主键组合不唯一或者变量映射逻辑没对齐导致的，咱们一步步拆解解决：

你说用AGE_14（0/1/2）时触发重复下标错误，这绝对是因为同一个ID+AGE_14的组合对应了多行数据——reshape()、spread()、dcast()这类工具都死磕一点：每个行组（ID+时间变量）只能有唯一的观测值，不然就会炸。

哪怕你确认了AGE_14没有NA，只要ID和它的组合不唯一，就会出问题。先跑这段代码验证下：

library(dplyr)
# 替换成你的数据集名称和时间变量
your_data %>%
  group_by(ID, AGE_14) %>%
  tally() %>%
  filter(n > 1)

如果输出有结果，那实锤是重复行搞的鬼。

1. 用实际年龄（14/15/16）时提示新列缺失 #

这个提示其实是说：有些ID没覆盖所有年龄的观测（比如有的ID只有14、15岁的数据，缺16岁的），转宽表时这些空缺的年龄列会默认填NA，工具只是给你提个醒而已。解决思路分两种：

• 允许NA填充的话，直接在转换函数里加参数：比如spread(..., fill = NA)或者dcast(..., fill = NA)
• 想强制所有ID都有全年龄的记录？用complete()先补齐行：

your_data %>%
  complete(ID, age = c(14,15,16)) %>% # 给每个ID补全三个年龄的行
  spread(key = age, value = 你要转宽的目标变量名)

2. 用AGE_14（0/1/2）时的重复下标错误 #

如果前面的检查发现了重复的ID+AGE_14组合，先处理重复行：

• 如果是录入错误的重复，直接去重：

your_data_clean <- your_data %>%
  distinct(ID, AGE_14, .keep_all = TRUE)

• 如果是同一时间点的多条合法观测（比如同一个ID在AGE_14=0时有多条记录），先做聚合：比如取均值、求和或者留第一条：

# 示例：数值变量取均值，字符变量取第一个，按需调整
your_data_agg <- your_data %>%
  group_by(ID, AGE_14) %>%
  summarise(
    across(where(is.numeric), mean, na.rm = TRUE),
    across(where(is.character), first, na.rm = TRUE),
    .groups = "drop"
  )

处理完重复再转宽，就不会再出现重复下标报错了。

假设你的数据结构是这样的：

set.seed(123)
test_data <- tibble(
  ID = rep(1:4, each = 3),
  age = rep(c(14,15,16), 4),
  AGE_14 = age - 14,
  score = rnorm(12, 70, 10)
)
# 故意加一行重复来模拟你的问题
test_data <- bind_rows(test_data, test_data[1,])

先检查重复：

test_data %>% group_by(ID, AGE_14) %>% tally() %>% filter(n>1)

然后处理重复并转宽：

# 去重后用spread转宽
test_data_clean <- test_data %>% distinct(ID, AGE_14, .keep_all = TRUE)
test_data_clean %>% spread(key = AGE_14, value = score)

# 或者用data.table的dcast
library(data.table)
dcast(setDT(test_data_clean), ID ~ AGE_14, value.var = "score")

这样就能顺利得到宽表了。

内容的提问来源于stack exchange，提问作者D. Bontempo