如何用tidyr将R语言患者数据转换为指定结构的纵向数据集

首先可以优化你原有的患者基础数据生成代码——不需要用rowwise()，rbinom()可以直接向量化处理，效率更高：

library(dplyr)
library(tidyr) # 需要用到tidyr的扩展函数

set.seed(420)
Pat_TNO <- 1001:1618

# 生成基础患者数据
patient_data <- data.frame(Pat_TNO = Pat_TNO) %>%
  mutate(trt = rbinom(n(), 1, 0.5))

接下来定义时间点：

timepoint_weeks <- c(seq(2, 12, 2), 16, 20, 24, 52)
timepoint_days <- 7 * timepoint_weeks

现在有两种简单的方法生成每位患者对应10个时间点的纵向数据集：

方法1：使用crossing()函数 #

crossing()会自动将患者数据和时间点进行笛卡尔积匹配，生成所有组合：

longitudinal_data <- patient_data %>%
  crossing(timepoint_days = timepoint_days)

方法2：使用nest() + unnest()组合 #

先将时间点嵌套到每个患者行，再展开：

longitudinal_data <- patient_data %>%
  mutate(timepoint_days = list(timepoint_days)) %>%
  unnest(timepoint_days)

两种方法最终都会生成包含Pat_TNO、trt、timepoint_days三列的数据集，每位患者对应10行数据，每行对应一个时间点。

内容的提问来源于stack exchange，提问作者jackahall