在这里，我们需要一个pivot_longer + pivot_wider，即首先将col s Jan整形为“long”，然后将long整形为更宽的格式，列名从“Type”

library(dplyr)
library(tidyr)
data %>%
     pivot_longer(cols = Jan:Feb, names_to = 'Month') %>% 
     pivot_wider(names_from = Type, values_from = value)

字符串

• 输出

# A tibble: 4 x 6
#  names group Month   Beg Middle   End
#  <chr> <chr> <chr> <dbl>  <dbl> <dbl>
#1 P1    S     Jan       1      2     3
#2 P1    S     Feb       5      5    10
#3 P2    S     Jan      10      5    15
#4 P2    S     Feb       5      2     7

型
或使用reshape2中的recast

library(reshape2)
recast(data, measure = c("Jan", "Feb"),
     names + group + variable ~ Type, values.var = 'value')

型

使用dcast + melt的data.table选项

dcast(
  melt(
    setDT(data),
    id.vars = c("names", "group", "Type"),
    variable.name = "Month"
  ),
  names + group + Month ~ Type
)

字符串
给

names group Month Beg End Middle
1:    P1     S   Jan   1   3      2
2:    P1     S   Feb   5  10      5
3:    P2     S   Jan  10  15      5
4:    P2     S   Feb   5   7      2

型

这已经晚了好几年，但是procs包中的proc_transpose（当时可能还不存在于CRAN上）可以按组转置。
代码下面指定分组依据的列（by=）。id列（id=）是成为输出数据框中列名的输入列。此处无需指定，因为在移除两个分组列后只剩下一个字符列，并且默认情况下假定单个字符列为id列。新的输出中保存输入中列名的列（name=）被指定为"Month"，但如果默认值NAME足够，则可以省略。

library(procs)

proc_transpose(data, by = c("names", "group"), name = "Month")
##   names group Month Beg Middle End
## 1    P1     S   Jan   1      2   3
## 2    P1     S   Feb   5      5  10
## 3    P2     S   Jan  10      5  15
## 4    P2     S   Feb   5      2   7

字符串