R Academy · 课时

使用 pivot_wider() 将长格式转换为宽格式

Q: 「使用 pivot_wider() 将长格式转换为宽格式」这节课中我会学到什么？

将键值对展开回宽格式表格 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

将键值对展开回宽格式表格

使用 pivot_wider() 将长格式转换为宽格式 是 CoddyKit 上的免费 R Academy 课时。这是第 2 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

何时使用宽格式

长格式适合分析，而宽格式通常用于报告、电子表格和某些算法（例如相关矩阵）。pivot_wider() 是 pivot_longer() 的逆操作——它会将一列中的值展开为多个新列。

library(tidyr)

# Long format: one row per student-quarter combination
long_df <- data.frame(
  student = c('Alice','Alice','Alice','Bob','Bob','Bob'),
  quarter = c('Q1','Q2','Q3','Q1','Q2','Q3'),
  score = c(85, 88, 92, 90, 85, 88)
)

print(long_df)
cat('\n', nrow(long_df), 'rows x', ncol(long_df), 'cols')

pivot_wider() 基础

pivot_wider(df, names_from, values_from)将长格式转换为宽格式。names_from 指定一个列，该列中的值将成为新列名；values_from 指定一个列，该列中的值将填入这些新列。

library(tidyr)

long_df <- data.frame(
  student = c('Alice','Alice','Alice','Bob','Bob','Bob'),
  quarter = c('Q1','Q2','Q3','Q1','Q2','Q3'),
  score = c(85, 88, 92, 90, 85, 88)
)

wide_df <- pivot_wider(
  long_df,
  names_from = quarter,
  values_from = score
)

print(wide_df)

id_cols — 确定行键

id_cols 指定在宽格式输出中能够唯一确定每一行的列。默认情况下，dplyr 会使用未在 names_from 或 values_from 中指定的所有列。明确设置该参数可以避免意外分组。

library(tidyr)

df <- data.frame(
  year = c(2023,2023,2024,2024),
  region = c('East','West','East','West'),
  quarter = c('Q1','Q1','Q1','Q1'),
  revenue = c(100, 200, 120, 220)
)

pivot_wider(
  df,
  id_cols = c(year, quarter),
  names_from = region,
  values_from = revenue
)

values_fill — 处理缺失的组合

当某些 id_cols 和 names_from 的组合不存在时，结果单元格会是 NA。使用 values_fill 可以将这些缺失值替换为默认值（例如，对于计数或求和可使用 0）。

library(tidyr)

df <- data.frame(
  product = c('A','A','B'),
  channel = c('online','store','online'),
  sales = c(100, 150, 200)
)

# 'B' has no 'store' data — fill with 0
pivot_wider(
  df,
  names_from = channel,
  values_from = sales,
  values_fill = 0
)

names_prefix — 添加前缀

使用 names_prefix 可在所有新列名之前添加一个字符串。当 names_from 中的值为数字，或您希望让列名更具描述性时，这可以避免相关问题。

library(tidyr)

df <- data.frame(
  student = c('Alice','Alice','Bob','Bob'),
  quarter = c(1, 2, 1, 2),
  score = c(85, 90, 78, 82)
)

# Without prefix: columns named '1' and '2' (problematic)
# With prefix: q1, q2
pivot_wider(
  df,
  names_from = quarter,
  values_from = score,
  names_prefix = 'q'
)

多个 values_from 列

您可以通过向 values_from 传入一个向量，一次转换多个值列。结果列的命名方式是使用 value_name，将值列名与类别组合起来。

library(tidyr)

df <- data.frame(
  region = c('East','East','West','West'),
  period = c('Q1','Q2','Q1','Q2'),
  revenue = c(100, 120, 200, 210),
  units = c(10, 12, 20, 22)
)

pivot_wider(
  df,
  names_from = period,
  values_from = c(revenue, units)
)

使用 values_fn 处理重复值

如果同一个 id + name 组合对应多个值，pivot_wider 不知道应使用哪一个值，因此会发出警告并返回一个列表列。使用 values_fn 指定聚合函数即可解决这个问题。

library(tidyr)

# Duplicate rows: Alice has two Q1 scores
df <- data.frame(
  student = c('Alice','Alice','Alice','Bob','Bob'),
  quarter = c('Q1','Q1','Q2','Q1','Q2'),
  score = c(85, 87, 90, 78, 82)
)

# Resolve duplicates by taking the mean
pivot_wider(
  df,
  names_from = quarter,
  values_from = score,
  values_fn = mean
)

使用命名列表传入 values_fn

向 values_fn 传入命名列表，可以同时对不同的值列应用不同的聚合函数。当转换的多个值列需要使用不同的汇总方法时，这种方式非常实用。

library(tidyr)

df <- data.frame(
  region = c('East','East','West','West'),
  period = c('Q1','Q1','Q1','Q1'),
  revenue = c(100, 120, 200, 210),
  orders = c(10, 12, 20, 22)
)

pivot_wider(
  df,
  names_from = period,
  values_from = c(revenue, orders),
  values_fn = list(revenue = sum, orders = sum)
)

创建交叉表

使用 dplyr::count() 进行计数后，再调用 pivot_wider()，即可轻松创建数据框形式的交叉表（列联表）。这结合了两个包在频数分析方面的优势。

library(tidyr)
library(dplyr)

survey <- data.frame(
  dept = c('HR','HR','Eng','Eng','HR','Eng'),
  response = c('Yes','No','Yes','Yes','Yes','No')
)

survey %>%
  count(dept, response) %>%
  pivot_wider(
    names_from = response,
    values_from = n,
    values_fill = 0
  )

往返转换：长表 → 宽表 → 长表

理解 pivot_longer() 与 pivot_wider() 之间的逆向关系，有助于发现错误。往返转换（长表→宽表→长表）应当返回原始数据（行顺序和类型转换可能有所不同）。

library(tidyr)

original_long <- data.frame(
  id = c(1,1,2,2),
  key = c('a','b','a','b'),
  value = c(10, 20, 30, 40)
)

# Go wide
wide <- pivot_wider(original_long, names_from=key, values_from=value)
print(wide)

# Go long again
pivot_longer(wide, -id, names_to='key', values_to='value')

实践：成绩报告

一个典型用例是：将按长格式存储的测试成绩表，转换为按学生和科目组织的报告表。结合 dplyr::arrange() 和 rename()，即可生成整洁、适合展示的输出。

library(tidyr)
library(dplyr)

scores <- data.frame(
  student = c('Alice','Alice','Bob','Bob','Carol','Carol'),
  subject = c('Math','Science','Math','Science','Math','Science'),
  score = c(92, 88, 85, 91, 79, 83)
)

scores %>%
  pivot_wider(names_from=subject, values_from=score) %>%
  mutate(average = round((Math + Science) / 2, 1)) %>%
  arrange(desc(average))

快速检查

调用 pivot_wider() 时，如果同一个 id + name 组合对应多个值，会发生什么？

总结：pivot_wider()

长表转宽表的要点：

pivot_wider(names_from, values_from) 将键列展开为多个新列
id_cols 指定用于标识每一行的列
values_fill = 0（或任何标量）用于填充缺失的组合
names_prefix 在列名之前添加字符串，以避免数字列名或含义不明确的列名
values_fn 使用聚合函数处理重复的单元格值
向 values_from 传入向量，可以同时转换多个值列
在 count() 之后使用，可高效构建交叉表

library(tidyr)
library(dplyr)

data.frame(
  region = c('East','East','West','West'),
  metric = c('revenue','units','revenue','units'),
  value = c(100, 10, 200, 20)
) %>%
  pivot_wider(
    names_from = metric,
    values_from = value,
    values_fill = 0
  ) %>%
  mutate(revenue_per_unit = revenue / units)

常见问题解答

「使用 pivot_wider() 将长格式转换为宽格式」课时是免费的吗？

是的 — 「使用 pivot_wider() 将长格式转换为宽格式」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

「使用 pivot_wider() 将长格式转换为宽格式」这节课中我会学到什么？

将键值对展开回宽格式表格你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 2 节课，共 4 节。

「使用 pivot_wider() 将长格式转换为宽格式」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 R Academy