在R中如何对含多可变变量的宽格式数据集做长格式重塑？

问题背景 #

你的宽格式数据集包含多组嵌套变量：

• 固定变量：pptns（参与者ID）、educ（教育水平）
• 面积测量：分exp/CTRL两种条件，3种工具（1/2/3），before/after两个时间点，共12个变量（如area_exp_1_before）
• 心率（HR）测量：分exp/CTRL两种条件，before/during/after三个时间点，共6个变量（如HR_exp_before）

需要将这类多维度的宽数据转换为适合统计建模的长格式，以下是两种可行方案：

推荐方案：使用tidyr::pivot_longer #

tidyr包的pivot_longer适合处理多维度变量名的拆分，比基础R的reshape更灵活直观。

1. 模拟宽格式数据（可复现） #

先生成和你场景匹配的模拟数据：

library(tidyverse)

set.seed(123)
wide_data <- tibble(
  pptns = 1:5,
  educ = sample(c("高中", "本科", "研究生"), 5, replace = TRUE),
  # 面积测量变量
  area_exp_1_before = rnorm(5, 10, 2),
  area_exp_2_before = rnorm(5, 12, 2),
  area_exp_3_before = rnorm(5, 11, 2),
  area_exp_1_after = rnorm(5, 15, 2),
  area_exp_2_after = rnorm(5, 16, 2),
  area_exp_3_after = rnorm(5, 14, 2),
  area_CTRL_1_before = rnorm(5, 10, 2),
  area_CTRL_2_before = rnorm(5, 12, 2),
  area_CTRL_3_before = rnorm(5, 11, 2),
  area_CTRL_1_after = rnorm(5, 13, 2),
  area_CTRL_2_after = rnorm(5, 14, 2),
  area_CTRL_3_after = rnorm(5, 12, 2),
  # 心率变量
  HR_exp_before = rnorm(5, 70, 5),
  HR_exp_during = rnorm(5, 85, 5),
  HR_exp_after = rnorm(5, 75, 5),
  HR_CTRL_before = rnorm(5, 70, 5),
  HR_CTRL_during = rnorm(5, 82, 5),
  HR_CTRL_after = rnorm(5, 73, 5)
)

2. 执行重塑 #

利用正则表达式匹配变量名的结构，一次性拆分所有维度：

long_data <- wide_data %>%
  pivot_longer(
    cols = -c(pptns, educ),  # 保留固定变量，其余全部重塑
    names_to = c("measure_type", "condition", "temp", "time_point"),
    names_pattern = "(area|HR)_(exp|CTRL)_(\\d+|before|during|after)_(before|after)?",
    values_to = "value"
  ) %>%
  # 清理临时列：心率没有工具，把temp列的值转到time_point
  mutate(
    time_point = ifelse(measure_type == "HR", temp, time_point),
    tool = ifelse(measure_type == "area", temp, NA)
  ) %>%
  select(-temp) %>%
  # 调整列顺序，方便查看
  select(pptns, educ, measure_type, condition, time_point, tool, value)

最终长格式结构 #

每一行对应一个参与者的单次测量，列定义：

• pptns：参与者ID
• educ：教育水平（固定变量）
• measure_type：测量类型（area/HR）
• condition：实验条件（exp/CTRL）
• time_point：测量时间点（before/during/after，面积无during）
• tool：面积测量使用的工具（心率测量为NA）
• value：测量的数值

替代方案：基础R的reshape函数 #

如果依赖基础R环境，可分两步处理面积和心率变量，再合并：

# 处理面积变量
long_area <- reshape(
  wide_data,
  direction = "long",
  varying = grep("area_", names(wide_data), value = TRUE),
  idvar = "pptns",
  timevar = "var",
  v.names = "value",
  sep = "_"
) %>%
  separate(var, into = c("measure_type", "condition", "tool", "time_point"), sep = "_") %>%
  select(pptns, educ, measure_type, condition, tool, time_point, value)

# 处理心率变量
long_hr <- reshape(
  wide_data,
  direction = "long",
  varying = grep("HR_", names(wide_data), value = TRUE),
  idvar = "pptns",
  timevar = "var",
  v.names = "value",
  sep = "_"
) %>%
  separate(var, into = c("measure_type", "condition", "time_point"), sep = "_") %>%
  mutate(tool = NA) %>%
  select(pptns, educ, measure_type, condition, tool, time_point, value)

# 合并两个数据集
long_data_base <- rbind(long_area, long_hr)

内容的提问来源于stack exchange，提问作者Marjolijn