将含重复观测的长格式数据转换为带汇总列的短格式数据

没问题，我来帮你搞定这个数据格式转换的需求！你之前的代码绕了弯路，其实用dplyr的summarise结合字符串拼接函数就能一步到位，而且更通用（不管每个obs对应多少个code都能处理）。

问题分析 #

你原来的方法用了spread+unite，但这个思路有两个明显问题：

• 如果某个obs对应的code数量超过2个，你的代码就会漏掉后续的code（因为你只合并了第2、3列）
• 步骤繁琐，没必要先转成多列再合并，完全可以一步完成分组拼接

正确解决方案 #

直接在分组后，用summarise把每个组的code值用逗号拼接起来即可，推荐用stringr::str_c（或者基础R的paste也能实现）：

library(dplyr)
# 如果用str_c的话需要加载stringr包
library(stringr)

# 创建你的示例数据集
df <- data.frame(
  obs=c("1","2","4","2","1","3"), 
  code=c("A","B","G","D","H","K"),
  stringsAsFactors = F
)

# 核心转换代码
df_short <- df %>%
  group_by(obs) %>%
  summarise(code = str_c(code, collapse = ", ")) %>% # 用逗号分隔拼接同组的code
  ungroup() # 记得取消分组，避免后续操作受分组状态影响

# 查看最终结果
df_short

运行后得到的结果完全符合你的预期：

# A tibble: 4 × 2
  obs   code 
  <chr> <chr>
1 1     A, H
2 2     B, D
3 3     K   
4 4     G   

如果你不想额外加载stringr包，用基础R的paste函数也能实现同样效果，把summarise那行改成：

summarise(code = paste(code, collapse = ", "))

为什么原来的代码没达到预期？ #

你原来的代码先给每个组加了序号id，再转成宽格式，最后合并列，但这种方式只适用于每个obs最多对应2个code的场景，如果有更多code就会遗漏，而且生成的中间列完全是冗余的。用summarise+字符串拼接的方法更简洁、更通用，能适配任意数量的分组内元素。

内容的提问来源于stack exchange，提问作者captcoma