如何将纵向数据从宽格式转长格式并批量处理多变量及缺失值？

问题 #

原始数据集结构如下：

Id    smoke_2m  Smoke_3m  smoke_4m alcohol_3m  age sex

1      2          3        5          7         30   M
2      3          3        5          6         26   M
3      7          5        7          2         25   F

期望转换为长格式数据：

Id  Time  smoking  alcohol  age sex
1    2m        2      -       30  M
1    3m        3      7       30  M
1    4m        5      -       30  M
2    2m        3      -       26  M
2    3m        3      6       26  M
2    4m        5      -       26  M
3    2m        7      -       25  F
3    3m        5      2       25  F
3    4m        7      -       25  F

其中alcohol仅在3m时间点有数据，其余时间点需要填充为'-'。

我尝试了以下代码，但只能处理smoking单个变量：

data <- data %>%
  pivot_longer(
    cols = c(smoke_2m, smoke_3m, smoke_4m),  
    names_to = "time_point",                     
    values_to = "smoking_status"
)

请问如何实现所有变量的批量转换？

解决方案 #

可以通过拆分列名提取变量名和时间点，一次性完成多变量的长格式转换，再处理缺失值。具体代码如下：

library(tidyverse)

# 先统一列名大小写（原数据中Smoke_3m首字母大写，避免匹配错误）
data <- data %>%
  rename_with(tolower)

# 批量转换为长格式，拆分变量名与时间点
data_long <- data %>%
  pivot_longer(
    cols = starts_with(c("smoke", "alcohol")),  # 选中所有带时间后缀的列
    names_to = c(".value", "Time"),             # .value保留变量名，Time提取时间部分
    names_pattern = "(.*)_(.*)"                 # 用下划线拆分列名：变量名_时间点
  )

# 填充alcohol的缺失值为'-'，调整列名和顺序
final_data <- data_long %>%
  mutate(alcohol = ifelse(is.na(alcohol), "-", as.character(alcohol))) %>%
  select(Id, Time, smoking = smoke, alcohol, age, sex)

代码说明： #

• 统一列名大小写：原数据里Smoke_3m首字母大写，转成小写后能保证正则拆分时不会漏处理这一列。
• 批量转换核心：pivot_longer的names_pattern参数用正则把列名拆成两部分，.value是特殊关键字，会自动把同属一个变量的行合并成对应列，这样就能同时处理smoke和alcohol两类时间序列变量。
• 缺失值填充：非3m时间点的alcohol会是NA，用ifelse把这些NA替换成'-'，转成字符类型是为了和有值的行格式统一。
• 调整列结构：把smoke重命名为smoking，再调整列的顺序，完全匹配你期望的结果。

运行这段代码后就能得到目标长格式数据，所有时间点的smoking和对应alcohol值都会正确展示，非3m时间点的alcohol自动填充为'-'。

内容的提问来源于stack exchange，提问作者Komal Mehta