如何优雅实现tidyr中单列跨分组的所有值组合？

你的原始解法虽然能得到预期结果，但随着分组数量增加，手动多次unnest确实会变得很繁琐。这里有两个更简洁且扩展性强的方案，无论你有2个还是N个分组，都能轻松处理：

方法1：用group_split + cross_join #

先将每个分组拆分为独立的数据集，再利用dplyr::cross_join直接生成所有分组值的全交叉组合：

library(tidyverse)

# 定义原始数据
X <- bind_rows(
  data_frame(Group = "Group1", Value = LETTERS[1:3]),
  data_frame(Group = "Group2", Value = letters[4:5])
)

# 拆分每个分组为单独的数据集，并以分组名命名
group_datasets <- X %>%
  group_split(Group, .keep = FALSE) %>%
  set_names(unique(X$Group))

# 生成所有分组的全交叉组合
cross_join(!!!group_datasets)

输出结果和你预期的完全一致：

# A tibble: 6 × 2
  Group1 Group2
  <chr>  <chr> 
1 A      d     
2 A      e     
3 B      d     
4 B      e     
5 C      d     
6 C      e     

这个方法的优势在于：不管后续新增多少分组，代码都不需要修改——group_split会自动拆分所有分组，cross_join会自动处理所有输入数据集的全组合。

方法2：用pivot_wider + expand_grid #

先将分组值转换为列表列并宽表化，再用tidyr::expand_grid展开所有列表的全组合：

X %>%
  group_by(Group) %>%
  summarise(Value = list(Value)) %>%  # 每个分组的值存为列表
  pivot_wider(names_from = Group, values_from = Value) %>%  # 转宽表
  expand_grid(!!!.)  # 展开所有列表列的全组合

同样会得到完全一致的输出，这个方法逻辑更贴近你原始的思路，但用expand_grid替代了多次手动unnest，扩展性拉满。

内容的提问来源于stack exchange，提问作者Artem Sokolov