长格式转宽格式时Date变量被错误转为数值变量求助

我明白你遇到的困扰了——当用melt+dcast转换格式时，不同类型的变量（比如Date和numeric）被合并进同一个value列，R只能用单一类型存储这个列，导致你的日期变量被转成了底层的数值形式，完全偏离了预期结果。

这里有两种简单可靠的解决方法，都能完美保留变量的原始类型：

方法一：直接用data.table的dcast（推荐，高效原生） #

不需要先做melt操作，dcast本身支持同时处理多个不同类型的value.var，每个变量都会保持自己的原始类型：

library(data.table)
# 先把data.frame转成data.table（可选，但data.table的dcast性能更优）
setDT(df)

# 直接指定需要转换的多列作为value.var
df_wide <- dcast(df, SN ~ Timepoint, value.var = c("date", "score", "age"))

运行后可以用str(df_wide)验证类型：date_1和date_2会保持Date类型，score_*和age_*则维持numeric类型，完全符合你的需求。

方法二：用tidyverse的pivot_wider（语法更直观） #

如果你习惯tidyverse的语法，pivot_wider会自动识别并保留每个变量的原始类型，操作起来非常省心：

library(tidyverse)

df_wide_tidy <- df %>%
  pivot_wider(
    names_from = Timepoint,
    values_from = c(date, score, age)
  )

为什么你原来的方法会出错？ #

当你执行melt(df, id.vars = c("SN", "Timepoint"))时，所有非id变量（date、score、age）被合并到同一个value列中。由于R的向量只能存储单一数据类型，Date类型会被强制转换为它的底层数值（即从1970-01-01开始计算的天数），所以后续dcast生成的日期列就变成了数值而非日期格式。

内容的提问来源于stack exchange，提问作者DTYK