使用pivot_wider宽表转换时出现行数不一致的问题求助

问题描述 #

使用pivot_wider进行宽表转换时出现不一致结果：

• 以col3为值列转换后，结果行数等于col1的唯一值数量，符合预期；
• 以col2为值列转换后，行数与原长数据一致，不符合预期。

最小可复现示例 #

# 创建测试数据
mwe <- structure(list(col1 = c(1, 1, 3, 3, 3, 4, 4, 5, 5, 6, 8, 9, 10, 
                        10, 11, 11, 11, 12, 12, 13, 13, 14, 14, 14, 14), 
                        col2 = c(1L, 1L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 4L, 3L, 4L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 4L, 4L, 4L, 4L, 4L, 4L), 
                        col3 = c(37, 43, 33, 35, 42, 22, 34, 31, 35, 41, 22, 32, 20, 23, 27, 30, 33, 32, 38, 28, 35, 15, 35, 38, 41), 
                        col4 = c(1L, 2L, 1L, 2L, 3L, 1L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 3L, 1L, 2L, 1L, 2L, 1L, 2L, 3L, 4L), 
                        col5 = c(37, 37, 33, 33, 33, 22, 22, 31, 31, 41, 22, 32, 20, 20, 27, 27, 27, 32, 32, 28, 28, 15, 15, 15, 15), 
                        col6 = c(2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L)), 
                     class = c("grouped_df", "tbl_df", "tbl", "data.frame"), 
                     row.names = c(NA, -25L), 
                     groups = structure(list(col1 = c(1, 3, 4, 5, 6, 8, 9, 10, 11, 12, 13, 14), 
                                             .rows = structure(list(1:2, 3:5, 6:7, 8:9, 10L, 11L, 12L, 13:14, 15:17, 18:19, 20:21, 22:25), 
                                                               ptype = integer(0), class = c("vctrs_list_of", "vctrs_vctr", "list"))), 
                                        class = c("tbl_df", "tbl", "data.frame"), 
                                        row.names = c(NA, -12L), .drop = TRUE))

# 基于col3转换（结果符合预期）
wide_ok <- mwe |>
  pivot_wider(names_from = col4, 
              values_from = col3,
              names_prefix = "wide_ok")

# 验证行数：等于col1的唯一值数量
nrow(wide_ok)
length(unique(mwe[["col1"]]))

# 基于col2转换（结果不符合预期）
wide_not_ok <- mwe |>
  pivot_wider(names_from = col4, 
              values_from = col2,
              names_prefix = "wide_not_ok")

# 验证行数：与原数据行数一致，而非col1的唯一值数量
nrow(wide_not_ok)
length(unique(mwe[["col1"]]))
nrow(mwe)

原因解析 #

pivot_wider默认会将所有未出现在names_from和values_from中的列当作id_cols（分组标识列）：

1. 当转换col3时，id_cols包含col1、col2、col5、col6，这些列在同一col1分组内的取值完全一致，因此可以合并为一行，最终行数等于col1的唯一值数量；
2. 当转换col2时，id_cols包含col1、col3、col5、col6，其中col3在同一col1分组内的取值不同（比如col1=1的两行col3分别为37和43），导致这些id_cols的组合是唯一的，无法合并，最终行数与原数据一致。

解决方案 #

明确指定id_cols为你需要的唯一标识列（此处为col1），强制按该列进行合并：

# 正确的col2转换方式
wide_fixed <- mwe |>
  pivot_wider(id_cols = col1,
              names_from = col4, 
              values_from = col2,
              names_prefix = "wide_fixed")

# 验证行数：等于col1的唯一值数量
nrow(wide_fixed)
length(unique(mwe[["col1"]]))

这样转换后的结果行数就会符合预期，与col1的唯一值数量一致。

内容的提问来源于stack exchange，提问作者user2568648