如何用tidyr的pivot_longer高效转换含疾病列的宽格式数据集？

核心方法 #

用tidyr::pivot_longer()配合正则表达式拆分列名，一次性完成宽转长并提取疾病类型，同时保留参与者背景信息列。

代码实现 #

假设你的数据框为df，10个背景信息列（比如age, gender, education等），疾病相关列均为[疾病前缀]_[问题标识]格式：

library(tidyr)
library(dplyr)

# 宽转长格式，提取疾病类型
df_long <- df %>%
  pivot_longer(
    # 排除背景列，只转换疾病相关列
    cols = -c(age, gender, education, ...), # 替换为你的10个背景列名
    # 正则拆分列名：捕获疾病前缀和问题标识
    names_pattern = "(.*)_(.*)",
    # 拆分后的新列名称
    names_to = c("disease_type", "question_label"),
    # 存储问题回答的列名
    values_to = "response"
  )

参数详解 #

• cols：用-c(...)排除背景列，也可以用matches("^(epi|ms|autism|...)_")直接匹配所有疾病列（括号内补全你的9种疾病前缀）。
• names_pattern：(.*)_(.*)是核心，它将列名拆分为下划线前后两部分——第一部分就是你需要的疾病类型，第二部分是问题的标识（比如fam/exp）。
• names_to：指定拆分后生成的两个新列，disease_type用来标识疾病组，question_label区分不同问题。

示例效果 #

假设原数据有背景列age、gender，疾病列epi_fam、epi_exp、autism_fam，转换后的数据结构如下：

适配特殊格式 #

如果部分列名带末尾点（比如ms_exp.），调整正则表达式即可兼容：

names_pattern = "(.*)_(.*?)\\.?" # 忽略列名末尾的点

内容的提问来源于stack exchange，提问作者Lea