使用dplyr将长格式数据转为宽格式：更优雅的实现方案？

嘿，我来给你分享一个更简洁优雅的tidyverse实现方案，用现在官方推荐的pivot_longer()和pivot_wider()函数来处理，比旧版的gather()+spread()组合更直观易读，逻辑也更清晰：

第一步：准备原始数据 #

先把你的示例数据转换成可操作的 tibble：

library(tidyverse)

# 原始长格式数据
ds <- tibble(
  ID = c(1,1,2,2,3,3),
  value1 = c(4.333333, 4.333333, 4.583333, 3.916667, 4.500000, 4.333333),
  value2 = c(3.833333, 3.333333, 5.500000, 3.750000, 4.666667, 4.500000)
)

第二步：核心转换代码 #

这里的关键是先给每个ID下的行添加一个分组标记（A/B），再通过两次 pivot 操作完成转换：

ds_wide <- ds %>%
  # 给每个ID内的行添加分组后缀（A、B）
  group_by(ID) %>%
  mutate(group = c("A", "B")) %>%
  ungroup() %>%
  # 把value1、value2转成长格式，保留ID和group
  pivot_longer(cols = starts_with("value"), 
               names_to = "variable", 
               values_to = "value") %>%
  # 把变量名和分组后缀组合，转回宽格式
  pivot_wider(names_from = c(variable, group), 
              values_from = value) %>%
  # 调整列顺序（可选，匹配你想要的输出顺序）
  select(ID, value1_A, value1_B, value2_A, value2_B)

第三步：查看结果 #

运行后得到的ds_wide就是你想要的宽格式：

# A tibble: 3 × 5
     ID value1_A value1_B value2_A value2_B
  <dbl>    <dbl>    <dbl>    <dbl>    <dbl>
1     1     4.33     4.33     3.83     3.33
2     2     4.58     3.92     5.5      3.75
3     3     4.5      4.33     4.67     4.5

这个方案的优势在于：

• 用pivot_longer()和pivot_wider()是tidyverse当前的标准函数，语法更清晰，扩展性更强（比如后续有更多value列也能轻松处理）
• 分组标记的添加逻辑明确，不容易出错
• 代码可读性高，别人接手也能快速理解转换逻辑

内容的提问来源于stack exchange，提问作者pablom