如何构建含NA的ID级跨时间点暴露-结局配对数据集？

需求说明 #

将长格式数据集转换为每个ID一行的结构，包含两个核心字段：

• time_1对应的exposure值
• time_3对应的outcome值（无time_3记录的ID填充NA）

示例数据（修正笔误后） #

ID <- c(1,1,2,2,2,3,3,3,4,4)
exposure <-c(1.2, 1.3, 1.4, 1.5, 2.1, 2.2, 3.2, 4.2, 5.2, 6.2)
outcome <-c(0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2, 0.1, 2.1, 3.1)
Time<-c("time_1","time_2","time_1","time_2","time_3","time_1","time_2","time_3","time_1","time_2")
data <-data.frame(ID,exposure,outcome,Time)

方法一：分表提取+左连接（直观易理解） #

通过分别提取time_1和time_3的记录，再用左连接保留所有ID，自动填充缺失值为NA：

library(tidyverse)

# 提取time_1的暴露数据
time1_exposure <- data %>%
  filter(Time == "time_1") %>%
  select(ID, exposure_time1 = exposure)

# 提取time_3的结局数据
time3_outcome <- data %>%
  filter(Time == "time_3") %>%
  select(ID, outcome_time3 = outcome)

# 左连接保留所有ID，无time_3记录的自动填充NA
final_data <- time1_exposure %>%
  left_join(time3_outcome, by = "ID")

运行后得到的结果：

> final_data
  ID exposure_time1 outcome_time3
1  1            1.2            NA
2  2            1.4           0.4
3  3            2.2           0.1
4  4            5.2            NA

方法二：pivot_wider直接重塑（更简洁） #

利用pivot_wider直接将长格式转宽格式，通过参数控制缺失值填充：

library(tidyverse)

final_data <- data %>%
  # 仅保留需要的时间点
  filter(Time %in% c("time_1", "time_3")) %>%
  # 重塑宽格式，指定ID为分组，Time为列名，提取对应变量
  pivot_wider(
    id_cols = ID,
    names_from = Time,
    values_from = c(exposure, outcome),
    values_fill = NA  # 缺失值填充为NA
  ) %>%
  # 筛选并重命名需要的列
  select(ID, exposure_time1 = exposure_time_1, outcome_time3 = outcome_time_3)

此方法与方法一结果完全一致，适合熟悉tidyr语法的用户。

内容的提问来源于stack exchange，提问作者Aura