如何用tidyr包对键值对子集执行spread操作（含单/多对场景）

嘿，刚好碰到过类似的需求，我来给你几个实用的解决方案，用tidyr和dplyr就能轻松实现只spread特定键值对的需求～

首先先确认我们的基础数据和目标：

library(tidyr)
library(dplyr)

# 模拟数据
df1 <- data.frame(e = c(1, 1, 1, 1), n = c("a", "b", "c", "d") , s = c(1, 2, 5, 7))
df1

输出结果：

e n s
1 1 a 1
2 1 b 2
3 1 c 5
4 1 d 7

传统的spread()会把所有n的取值都转成列，但我们只想要把n="c"对应的s值提取成单独的c列，同时保留原有的n和s列。

方法一：提取目标值后合并（最直观） #

先把n="c"对应的数值单独提取出来，再通过left_join合并回原数据，这样不管e有多少个分组都能适配：

# 提取n="c"对应的s值，重命名为c
target_c <- df1 %>% 
  filter(n == "c") %>% 
  select(e, c = s)

# 合并回原数据
df_result <- df1 %>% left_join(target_c, by = "e")
df_result

输出就是你想要的结果：

e n s c
1 1 a 1 5
2 1 b 2 5
3 1 c 5 5
4 1 d 7 5

方法二：分组填充（适合多分组场景） #

如果你的数据里e有多个不同取值，用group_by+fill的方式更灵活，不需要额外生成中间表：

df_result <- df1 %>%
  group_by(e) %>%
  # 先标记出n="c"对应的s值，其他行暂时设为NA
  mutate(c = ifelse(n == "c", s, NA)) %>%
  # 把NA填充成同组内的c值，上下都填充
  fill(c, .direction = "updown") %>%
  ungroup()

df_result

这个方法和方法一的结果完全一致，而且扩展性强——如果要提取多个键值对，只需要多写几个mutate就行。

方法三：用pivot_wider处理（tidyr推荐的新函数） #

现在tidyr更推荐用pivot_wider代替spread，它的语法更灵活，处理多键值对的场景更方便：

# 先把n="c"转成宽格式
wide_c <- df1 %>%
  filter(n == "c") %>%
  pivot_wider(names_from = n, values_from = s)

# 合并回原数据
df_result <- df1 %>% left_join(wide_c, by = "e")
df_result

如果以后要处理多对键值对，比如同时提取n="b"和n="c"，只需要调整filter的条件：

# 提取n="b"和n="c"的情况
wide_bc <- df1 %>%
  filter(n %in% c("b", "c")) %>%
  pivot_wider(names_from = n, values_from = s)

df_result_multi <- df1 %>% left_join(wide_bc, by = "e")
df_result_multi

输出结果：

e n s b c
1 1 a 1 2 5
2 1 b 2 2 5
3 1 c 5 2 5
4 1 d 7 2 5

这样就完美解决了单键或多键的spread子集需求啦～

内容的提问来源于stack exchange，提问作者Hedgehog