使用tidyr，您可以先使用pivot_longer，然后使用pivot_wider：

library(tidyr)

dat %>%
  pivot_longer(c(color, sex), values_transform = as.factor) %>%
  pivot_wider(id_cols = city, names_from = value, names_sort = TRUE,
              values_from = value, values_fn = length, values_fill = 0)

# # A tibble: 3 × 6
#   city   blue green   red     F     M
#   <chr> <int> <int> <int> <int> <int>
# 1 A         0     2     1     2     1
# 2 B         2     1     0     3     0
# 3 C         1     0     3     1     3

• values_transform = as.factor与names_sort = TRUE是对列名进行排序的技巧。

base解决方案：

as.data.frame.matrix(table(cbind(dat[1], Reduce(c, lapply(dat[-1], factor)))))

#   blue green red F M
# A    0     2   1 2 1
# B    2     1   0 3 0
# C    1     0   3 1 3

使用sapply，创建多个table和bind：

sapply(dat[2:3], \(x) as.data.frame.matrix(table(dat$city, x))) |>
  do.call(what = 'cbind.data.frame')

  color.blue color.green color.red sex.F sex.M
A          0           2         1     2     1
B          2           1         0     3     0
C          1           0         3     1     3

你可以先转换成更长的格式，然后计算每组的值，再使用pivot_wider转换回更宽的格式，如下所示：

library(dplyr)
library(tidyr)
dat %>%
  pivot_longer(cols = c(color, sex)) %>%
  group_by(city) %>%
  add_count(value) %>%
  distinct() %>%
  select(-name) %>%
  pivot_wider(names_from = value, values_from = n, values_fill = 0)
#> # A tibble: 3 × 6
#> # Groups:   city [3]
#>   city    red     M green     F  blue
#>   <chr> <int> <int> <int> <int> <int>
#> 1 A         1     1     2     2     0
#> 2 B         0     0     1     3     2
#> 3 C         3     3     0     1     1

创建于2023年1月31日，使用reprex v2.0.2