Qualtrics Loop and Merge数据处理方案问询（附R示例）

一、Qualtrics原生处理方法（推荐） #

• 导出时直接生成目标格式：
  1. 进入问卷的Data & Analysis页面，点击右上角「Export Data」
  2. 在导出设置的「Advanced Options」中，勾选「Split Loop & Merge into Separate Rows」
  3. 选择导出格式（如CSV），导出后的数据即为你需要的长格式，无需额外处理
• 已导出数据的补救转换：
  在Data & Analysis页面使用内置工具：
  1. 选择「Transform Data」→「Reshape Data」→「Convert Wide to Long」
  2. 选中所有Loop生成的带序号列（如1_date_time、2_inperson_virtual）
  3. 设置分组依据为基础信息列（org_name、website、contact），指定序号与主题的映射关系，完成转换

二、R语言简洁处理方案（tidyverse实现） #

针对你提供的示例数据，用tidyr和dplyr可高效完成转换，替代繁琐的手动筛选堆叠：

首先加载依赖包：

library(tidyverse)

定义主题与序号的映射关系：

topic_map <- c("1" = "Dance", "2" = "Art", "3" = "Science", "4" = "Writing")

核心转换代码：

wanted_output <- qualtrics_output %>%
  # 拆分多主题为单独行，保留基础信息
  separate_rows(class_topic, sep = ", ") %>%
  # 将宽格式Loop列转为长格式，提取序号和问题字段
  pivot_longer(cols = starts_with(c("1_", "2_", "3_", "4_")),
               names_to = c("topic_id", ".value"),
               names_pattern = "(\\d+)_(.*)") %>%
  # 替换序号为实际主题，过滤无效NA行
  mutate(class_topic = topic_map[topic_id]) %>%
  filter(!is.na(date_time)) %>%
  # 整理列顺序并移除冗余列
  select(-topic_id, org_name, website, contact, class_topic, date_time, inperson_virtual)

验证输出：

print(wanted_output)

该代码可直接扩展到20+主题、15个Loop问题场景：只需更新topic_map覆盖所有主题序号，将pivot_longer的cols参数改为starts_with(as.character(1:20))即可匹配所有主题列。

内容的提问来源于stack exchange，提问作者KLenny