如何用R的dplyr函数将李克特量表因子列从长转宽？

需求说明 #

现有一个包含3个因子列的数据框，所有列的水平均为相同的李克特量表选项，原始数据结构示例如下：

需要将其转换为以下宽格式，单元格数值为各选项的占比：

模拟数据生成代码：

A = sample(c('1-Strongly disagree','2-Disagree','3-so-so','4-Agree','5-Strongly agree'),1000,replace = TRUE)
B = sample(c('1-Strongly disagree','2-Disagree','3-so-so','4-Agree','5-Strongly agree'),1000,replace = TRUE)
C = sample(c('1-Strongly disagree','2-Disagree','3-so-so','4-Agree','5-Strongly agree'),1000,replace = TRUE)

df = tibble(A,B,C)%>%
  mutate(across(everything(),as.factor));df

解决方案 #

通过数据重塑→分组统计→再重塑的流程即可实现，完整dplyr代码如下：

library(dplyr)
library(tidyr)

# 模拟数据（可替换为你的实际数据）
A = sample(c('1-Strongly disagree','2-Disagree','3-so-so','4-Agree','5-Strongly agree'),1000,replace = TRUE)
B = sample(c('1-Strongly disagree','2-Disagree','3-so-so','4-Agree','5-Strongly agree'),1000,replace = TRUE)
C = sample(c('1-Strongly disagree','2-Disagree','3-so-so','4-Agree','5-Strongly agree'),1000,replace = TRUE)

df = tibble(A,B,C)%>%
  mutate(across(everything(),as.factor))

# 核心转换逻辑
result_df <- df %>%
  # 宽转长：将列名转为Item，选项值转为Response
  pivot_longer(cols = everything(), names_to = "Item", values_to = "Response") %>%
  # 分组统计每个Item下各Response的出现次数
  group_by(Item, Response) %>%
  summarise(Count = n(), .groups = "drop") %>%
  # 按Item计算各Response的占比（保留2位小数）
  group_by(Item) %>%
  mutate(Percentage = round((Count / sum(Count)) * 100, 2)) %>%
  select(-Count) %>%
  # 长转宽：将Response转为列，填充对应百分比
  pivot_wider(names_from = Response, values_from = Percentage)

# 输出结果
print(result_df)

步骤解释 #

1. pivot_longer：把原始宽格式数据转为长格式，统一将A/B/C标记为Item，对应的李克特选项存入Response列，便于后续分组统计。
2. 分组统计次数：按Item和Response分组，用n()统计每组的样本量。
3. 计算占比：按Item再次分组，用当前选项的次数除以该Item的总次数，乘以100得到百分比，并用round()保留两位小数。
4. pivot_wider：将长格式转回宽格式，让每个李克特选项成为独立列，最终得到目标结构。

内容的提问来源于stack exchange，提问作者Homer Jay Simpson