在R中根据条件生成含列名的新列：宽转长数据处理需求

核心思路 #

用 tidyverse 工具链完成转换：先给每行标记参与者ID，将宽格式数据转为长格式，拆分列名提取关键信息，最后按「参与者+日期+时段」分组合并所有标记为'yes'的陪伴者。

具体代码实现 #

假设你的原始数据框名为raw_data，代码如下：

library(tidyverse)

# 1. 添加参与者ID列（每行对应一位参与者）
processed_data <- raw_data %>%
  mutate(Participant = row_number()) # 若原数据有自定义行名，可改用 rownames_to_column("Participant")

# 2. 转换为长格式：将所有列转为「列名(name)」和「值(value)」两列
processed_data <- processed_data %>%
  pivot_longer(
    cols = -Participant, # 排除参与者ID列，其余列转成long格式
    names_to = "col_name",
    values_to = "status"
  )

# 3. 只保留status为'yes'的记录（no/n/a无意义，直接过滤）
processed_data <- processed_data %>%
  filter(status == "yes")

# 4. 拆分列名提取Day、Hour、陪伴者类型和编号，生成SpentWith列
processed_data <- processed_data %>%
  separate(
    col = col_name,
    into = c("Day", "Hour", "Type", "Number"),
    sep = "\\.", # 按点号拆分，注意转义
    remove = FALSE # 可选：保留原列名用于后续校验
  ) %>%
  mutate(
    SpentWith = str_c(str_to_title(Type), Number), # 将adult.1转为Adult1格式
    Hour = str_replace(Hour, "\\.00$", "") # 可选：把06.00简化为06，或转成时间格式
  )

# 5. 按参与者、日期、时段分组，合并所有陪伴者
final_data <- processed_data %>%
  group_by(Participant, Day, Hour) %>%
  summarise(
    SpentWith = str_c(SpentWith, collapse = ", "), # 用逗号分隔合并多个陪伴者
    .groups = "drop" # 取消分组状态
  )

关键说明 #

• pivot_longer：解决了你之前无法关联参与者的问题，转换时会保留每行的Participant ID，确保每个'yes'记录都能对应到正确的参与者。
• separate：精准拆分列名中的结构化信息，避免手动提取列名的混乱。
• summarise + str_c：替代case_when，直接分组合并同一时段的所有陪伴者，简洁高效。

大型数据优化方案 #

如果数据量极大（上万行+1300列），可以用data.table提升处理速度，逻辑与tidyverse一致：

library(data.table)

setDT(raw_data)
raw_data[, Participant := .I] # 添加参与者ID
long_data <- melt(raw_data, id.vars = "Participant", variable.name = "col_name", value.name = "status")
long_data <- long_data[status == "yes"]
long_data[, c("Day", "Hour", "Type", "Number") := tstrsplit(col_name, "\\.")]
long_data[, SpentWith := paste0(toupper(substr(Type, 1, 1)), substr(Type, 2, nchar(Type)), Number)]
final_data <- long_data[, .(SpentWith = paste(SpentWith, collapse = ", ")), by = .(Participant, Day, Hour)]

内容的提问来源于stack exchange，提问作者EmmaV97