在R中转置列时遇“Error: Duplicate identifiers for rows”错误求助

首先明确你的需求：把包含id、event、updated_time的数据框转置，让每个id对应不同event的updated_time值，初始数据和期望结果如下：

初始数据框 #

id event updated_time
085d478f5 one 2016-08-30 05:51:25
085d478f5 two 2016-08-29 02:31:34
1006be496 one 2016-08-27 17:56:19
1006d6182 three 2016-08-13 10:30:08

期望转置后的数据框 #

id one two three
085d478f5 2016-08-30 05:51:25 2016-08-29 02:31:34 NA
1006be496 2016-08-27 17:56:19 NA NA
1006d6182 NA NA 2016-08-13 10:30:08

你遇到的"Error: Duplicate identifiers for rows"错误，核心原因是你的大数据集中存在同一个id和event的组合对应多条记录，而spread()函数要求每个(id, event)组合必须是唯一的，否则它无法确定该使用哪条数据进行转置。下面是具体的解决步骤：

步骤1：找出重复的(id, event)组合 #

先用dplyr定位问题数据，看看哪些组合存在重复：

library(dplyr)

# 替换your_data为你的实际数据框名称
your_data %>%
  group_by(id, event) %>%
  count() %>%
  filter(n > 1)

运行这段代码后，你会看到所有重复的id-event对以及它们的重复次数。

步骤2：处理重复数据（根据业务需求选择一种） #

根据你的业务逻辑，选择合适的方式清理重复数据：

方式1：保留最新的updated_time #

如果需要保留每个id-event组合中最新的时间：

your_data_cleaned <- your_data %>%
  group_by(id, event) %>%
  arrange(desc(updated_time)) %>%  # 按时间倒序排列
  slice(1) %>%  # 取第一条（最新的）
  ungroup()

方式2：保留最早的updated_time #

如果需要保留最早的时间，去掉desc()即可：

your_data_cleaned <- your_data %>%
  group_by(id, event) %>%
  arrange(updated_time) %>%  # 按时间正序排列
  slice(1) %>%  # 取第一条（最早的）
  ungroup()

方式3：合并多个时间为字符串 #

如果需要保留所有时间，用逗号分隔合并：

your_data_cleaned <- your_data %>%
  group_by(id, event) %>%
  summarise(updated_time = paste(updated_time, collapse = ", ")) %>%
  ungroup()

步骤3：执行转置 #

清理完重复数据后，再用spread()就能成功转置了：

final_data <- your_data_cleaned %>%
  spread(key = event, value = updated_time)

运行后得到的final_data就是你期望的格式啦。

内容的提问来源于stack exchange，提问作者ajax