R语言长转宽格式：基于多列唯一组合处理重复数据

我太懂这种困扰了——手里的长格式数据集要转成宽格式，每个id占一行，但time、drug、unit、admin这四列的组合五花八门，手动列出来根本不现实对吧？别慌，用R里的data.table或者tidyverse工具就能轻松实现动态生成唯一列名的宽格式转换，我给你详细说说两种常用方法：

方法1：用data.table的dcast函数 #

既然你已经试过melt.data.table，那肯定熟悉data.table的语法，它的dcast函数就是专门用来长转宽的，完美适配你这种多列组合生成列名的需求。

假设你的长格式数据集叫dt，需要转换的数值列是value（记得换成你实际的列名），代码如下：

library(data.table)
# 先把数据转为data.table格式（如果还不是的话）
setDT(dt)

# 执行宽格式转换，自动用time+drug+unit+admin的唯一组合生成列名
wide_dt <- dcast(dt, id ~ time + drug + unit + admin, value.var = "value")

这里的核心是公式id ~ time + drug + unit + admin：左边指定行分组的依据（id，保证每个id一行），右边的四个列会自动拼接成唯一的列名（默认用下划线分隔，比如morning_Aspirin_mg_oral），每个id对应的行里会填充对应组合的数值，没有匹配的组合则显示NA。

方法2：用tidyr的pivot_wider函数 #

如果你更习惯tidyverse的语法，tidyr的pivot_wider同样能搞定这个需求，而且语法更直观：

library(tidyr)
library(dplyr)

wide_df <- dt %>%
  pivot_wider(
    id_cols = id,          # 指定行的分组依据是id
    names_from = c(time, drug, unit, admin),  # 用这四列的组合生成新列名
    values_from = value,   # 指定要转换的数值列（替换成你的实际列名）
    names_sep = "_"        # 自定义列名的分隔符，默认也是下划线，可修改
  )

这个方法生成的列名逻辑和dcast一致，你还可以通过names_glue参数自定义列名的格式，比如names_glue = "{drug}_{time}_{unit}_{admin}"来调整列名的顺序。

小提醒 #

• 确认你的id + time+drug+unit+admin组合是唯一的（你已经说明每个id里这四个组合唯一，所以转换后不会出现重复行或者警告）
• 如果有多个数值列要转换，只需要在value.var（dcast）或values_from（pivot_wider）里指定多个列名即可，比如value.var = c("dose", "effect")

内容的提问来源于stack exchange，提问作者User LG