如何在R中重塑数据集并提取日期、HbA1c及月份用于分析？

核心思路：用tidyverse包的pivot_longer实现向量化转换（替代低效的for循环） #

针对你的宽格式医疗数据，我们可以通过分组提取字段前缀和编号，自动将同一随访时间点的days_*、HbA1c_Date_*、HbA1c_*字段对应到同一行，再匹配对应月份信息。

步骤1：安装并加载依赖包 #

# 第一次使用先安装
install.packages("tidyverse")
# 加载包
library(tidyverse)

步骤2：核心转长操作（处理days、HbA1c相关字段） #

假设你的数据集名为df，执行以下代码将重复的时间点字段转成长格式：

# 将days_*、HbA1c_Date_*、HbA1c_*转成长格式，保留Pat_ID、study_group等非重复字段
long_core <- df %>%
  pivot_longer(
    # 指定要转长的列：所有以days_、HbA1c_Date_、HbA1c_开头的列
    cols = starts_with("days_") | starts_with("HbA1c_Date_") | starts_with("HbA1c_"),
    # 将列名拆分为「字段前缀」和「时间点编号」，前缀作为新列名，编号作为分组标识
    names_to = c(".value", "time_point"),
    # 正则表达式：匹配「前缀_数字」的格式，(.*)捕获前缀，(\\d+)捕获数字编号
    names_pattern = "(.*)_(\\d+)"
  )

执行后，你会得到包含Pat_ID、study_group、days、HbA1c_Date、HbA1c、time_point的长格式表，同一time_point对应同一随访时间的所有数据。

步骤3：匹配月份信息（处理X*_month字段） #

如果你的X1_month、X2_month等字段对应time_point的1、2，执行以下代码转换并合并：

# 将X*_month转成长格式，提取时间点编号
month_data <- df %>%
  select(Pat_ID, starts_with("X") & ends_with("_month")) %>%
  pivot_longer(
    cols = -Pat_ID,
    names_to = "time_point",
    values_to = "visit_month",
    # 正则表达式：提取X和_month之间的数字作为time_point
    names_pattern = "X(\\d+)_month"
  )

# 合并核心长表和月份表，按患者ID和时间点匹配
final_df <- long_core %>%
  left_join(month_data, by = c("Pat_ID", "time_point"))

步骤4：处理followup_*字段（可选） #

如果followup_1、followup_2等字段对应各时间点的随访信息，只需在第一步的cols参数中加入starts_with("followup_")即可：

long_core <- df %>%
  pivot_longer(
    cols = starts_with("days_") | starts_with("HbA1c_Date_") | starts_with("HbA1c_") | starts_with("followup_"),
    names_to = c(".value", "time_point"),
    names_pattern = "(.*)_(\\d+)"
  )

关键说明 #

• 为什么不用for循环？R的循环是逐行处理，效率极低，且容易因字段名不规范、空值等问题出错；pivot_longer是向量化操作，一次处理所有列，简洁高效。
• 正则表达式names_pattern是核心：如果你的字段命名规则不同（比如days1而非days_1），只需调整正则表达式即可，比如改成"(.*)(\\d+)"。

内容的提问来源于stack exchange，提问作者Ray