拆分ID列并重塑R数据框：解决spread()生成NA的问题

原始数据 #

给定的原始数据框如下：

data = data.frame(
  ID = c('101 1h','101 2h','101 3h','102 1h','102 2h','102 3h'),
  marker1 = c(1,1,2,2,2,3),
  marker2 = c(3,3,4,5,5,6)
)

问题分析 #

你需要把合并的ID列拆分为独立的编号（如101）和阶段（如1h）列，最终每行对应一个编号的单个阶段，同时保留对应阶段的marker1和marker2值。之前先用separate()拆分ID列后误用spread()导致其他阶段列出现NA，是因为spread()是将长格式转为宽格式，和你需要的单阶段每行的需求不符，改用gather()（或仅拆分ID列）才是正确方向。

解决方案 #

1. 加载依赖包 #

首先加载tidyverse，它包含dplyr和tidyr，提供separate()、gather()等所需函数：

library(tidyverse)

2. 拆分ID列 #

用separate()把合并的ID列拆分为ID（编号）和phase（阶段）两列，这一步就能得到你想要的基础格式：

data_split <- data %>%
  separate(ID, into = c("ID", "phase"), sep = " ")

执行后data_split的结构如下：

3. 可选：转换为标记物的长格式 #

如果后续需要把marker1和marker2统一为长格式（比如合并成biomarker和value列），再用gather()处理：

data_long <- data_split %>%
  gather(key = "biomarker", value = "value", marker1, marker2)

转换后结果示例：

为什么spread()会产生NA？ #

spread()的作用是把长格式中某一列的不同值转为宽格式的列，比如你如果错误地用它处理phase列：

# 错误示例，会生成大量NA
data_wide <- data_split %>%
  spread(key = phase, value = c(marker1, marker2))

这会生成1h_marker1、2h_marker1等列，但每个ID行只有对应阶段的数值，其他阶段自然都是NA——完全不符合你单阶段每行的需求，所以会出现问题。

内容的提问来源于stack exchange，提问作者Henrik Ode