技术问询：基于ParticipantID匹配值在长格式数据框中新增人口统计信息列

这问题我之前也碰到过，完全懂你不想把整个表转成宽格式的需求！核心思路是单独提取人口统计信息并转成宽格式（仅这部分），再通过ParticipantID关联回原数据，这样既保留了Q1/Q2这类问题的长格式结构，又能把人口统计值加到对应参与者的每一行里。

下面给你两种常用数据分析工具的实现方法：

R语言（dplyr + tidyr） #

假设你的数据框名为df，步骤如下：

1. 先筛选出人口统计类的问题（比如Age、Gender、Education），把这部分转成宽格式（每个ParticipantID一行，人口统计字段作为列）
2. 将原数据和这个宽格式的人口统计表按ParticipantID合并

library(dplyr)
library(tidyr)

# 提取人口统计信息并转宽
demographics <- df %>%
  filter(Question %in% c("Age", "Gender", "Education")) %>%
  pivot_wider(names_from = Question, values_from = Resp)

# 合并回原数据，保留原长格式
df_with_demographics <- df %>%
  left_join(demographics, by = "ParticipantID")

Python（pandas） #

同样的思路，用pandas实现：

import pandas as pd

# 提取人口统计行，转成宽格式（索引为ParticipantID）
demographics = df[df['Question'].isin(['Age', 'Gender', 'Education'])].pivot(
    index='ParticipantID',
    columns='Question',
    values='Resp'
).reset_index()

# 合并到原数据，保留长格式结构
df_with_demographics = pd.merge(df, demographics, on='ParticipantID', how='left')

这样处理后，你就能得到想要的结果：每个参与者的所有行（包括Q1、Q2等问题的回答行）都会带上对应的Age、Gender、Education等值，同时原数据的长格式完全保留。

内容的提问来源于stack exchange，提问作者TSL-Aquilus