如何准备并合并经验抽样法（ESM）的日记数据？解决初始调查整合问题

你的问题核心是行合并而非列合并——之前用merge是把初始调查的列和日记数据的列横向拼接，这不符合你要把每个参与者的初始调查（time0）和10天日记（time1-10）按行堆叠的需求。下面是两种可行方案：

方案1：用dplyr包（推荐） #

假设你的数据结构是：

• df1：初始调查，每个ID对应1行，包含人口统计变量（如ID, age, gender）
• daily：日记数据，每个ID对应10行，包含每日测量变量（如ID, mood, sleep），无time列

步骤如下：

1. 加载dplyr包：

library(dplyr)

2. 给初始数据添加time列（固定为0）：

df1 <- df1 %>% mutate(time = 0)

3. 给日记数据按ID生成time列（1到10）：

# 假设每个ID的日记行是按时间顺序排列的
daily <- daily %>% 
  group_by(ID) %>% 
  mutate(time = row_number()) %>% 
  ungroup()

4. 行合并两个数据集（自动补充缺失变量为NA）：

total_data <- bind_rows(df1, daily) %>% 
  arrange(ID, time)  # 按ID和时间排序

方案2：用base R + plyr包 #

如果不想用dplyr，可借助plyr的rbind.fill处理变量结构不一致的行合并：

1. 加载plyr包：

library(plyr)

2. 给两个数据集加time列：

df1$time <- 0
daily$time <- ave(daily$ID, daily$ID, FUN = function(x) seq_along(x))

3. 合并数据：

total_data <- rbind.fill(df1, daily)
total_data <- total_data[order(total_data$ID, total_data$time), ]

特殊情况：日记数据是宽格式 #

如果你的daily是宽格式（每个ID1行，列名如day1_mood, day2_mood），需要先转成长格式再合并：

library(tidyr)
daily_long <- daily %>%
  pivot_longer(
    cols = starts_with("day"),  # 匹配所有以day开头的列
    names_to = "day",
    values_to = "mood"  # 替换为你的日记变量名
  ) %>%
  mutate(time = as.integer(sub("day", "", day))) %>%  # 提取时间值
  select(-day)

# 之后再按方案1的步骤合并df1和daily_long

内容的提问来源于stack exchange，提问作者Shawna