tidyr::spread报错： unique combination of keys

测试开头

今天是生信星球陪你的第493天

大神一句话，菜鸟跑半年。我不是大神，但我可以缩短你走弯路的半年~

就像歌儿唱的那样，如果你不知道该往哪儿走，就留在这学点生信好不好~

这里有豆豆和花花的学习历程，从新手到进阶，生信路上有你有我！

花花写于2019.11.27

豆豆失踪，只学shiny不记录。给豆豆差评。

关于gather和spread这一对函数,查看：
写给零基础同学的R语言教程第三篇-神奇R包tidyr

理论上他俩是无缝可逆的。但有的数据spread却会报错，如题。这是因为缺少唯一索引，导致spread迷路。直接谷歌搜索就会发现，这个问题得到了哈德雷大佬亲自解答。

https://github.com/tidyverse/tidyr/issues/426

tidyr::spread报错： unique combination of keys

来debug啦！！！

0.准备数据和包

我们使用内置数据集iris。因为他有报错潜质，他的每个样本也就是每一行，没有唯一id（行名不算的）。

if(!require(tidyr))install.packages("tidyr")
if(!require(dplyr))install.packages("dplyr")
library(tidyr)
library(dplyr)
test = iris

1.gather没有问题

test2 <- gather(
  data  = test[,1:4],
  key   = dd,
  value = pp
  )

2.但spread会报错

spread(
  data  = test2,
  key   = dd,
  value = pp
)
#> Error: Each row of output must be identified by a unique combination of keys.
#> Keys are shared for 600 rows:
#> * 301, 302, 303, 304, 305, 306, 307, 308, 309, 310, 311, 312, 313, 314, 315, 316, 317, 318, 319, 320, 321, 322, 323, 324, 325, 326, 327, 328, 329, 330, 331, 332, 333, 334, 335, 336, 337, 338, 339, 340, 341, 342, 343, 344, 345, 346, 347, 348, 349, 350, 351, 352, 353, 354, 355, 356, 357, 358, 359, 360, 361, 362, 363, 364, 365, 366, 367, 368, 369, 370, 371, 372, 373, 374, 375, 376, 377, 378, 379, 380, 381, 382, 383, 384, 385, 386, 387, 388, 389, 390, 391, 392, 393, 394, 395, 396, 397, 398, 399, 400, 401, 402, 403, 404, 405, 406, 407, 408, 409, 410, 411, 412, 413, 414, 415, 416, 417, 418, 419, 420, 421, 422, 423, 424, 425, 426, 427, 428, 429, 430, 431, 432, 433, 434, 435, 436, 437, 438, 439, 440, 441, 442, 443, 444, 445, 446, 447, 448, 449, 450

4.解决方案

group_by和mutate连用，加上一列编号作为索引即可

test2 %>%
  group_by(dd) %>% 
  mutate(id=1:n()) %>%
  spread(dd,pp)
#> # A tibble: 150 x 5
#>       id Petal.Length Petal.Width Sepal.Length Sepal.Width
#>    <int>        <dbl>       <dbl>        <dbl>       <dbl>
#>  1     1          1.4         0.2          5.1         3.5
#>  2     2          1.4         0.2          4.9         3  
#>  3     3          1.3         0.2          4.7         3.2
#>  4     4          1.5         0.2          4.6         3.1
#>  5     5          1.4         0.2          5           3.6
#>  6     6          1.7         0.4          5.4         3.9
#>  7     7          1.4         0.3          4.6         3.4
#>  8     8          1.5         0.2          5           3.4
#>  9     9          1.4         0.2          4.4         2.9
#> 10    10          1.5         0.1          4.9         3.1
#> # ... with 140 more rows