tidyverse中pivot_longer()为何需过滤value？有无不操作value的写法

行数变为原数据4倍的原因 #

这是pivot_longer()的默认运行逻辑导致的：

• 你在cols参数中指定了A、B、C、D共4个列执行宽转长操作
• 该函数不会自动识别哑变量的业务含义，默认行为是：对你指定的每一个待转置列，都为原始数据的每一行生成一条独立的长格式记录，记录内容包括「当前列名（存入你指定的treatment列）」和「该列在当前行的单元格取值」

原始数据共5行，每行会对应生成4条转置记录，总条数为5*4=20行，刚好是原数据行数的4倍，和你运行得到的结果完全匹配。

为什么需要filter(value == 1)语句 #

你数据中的A、B、C、D列是典型的独热编码（哑变量）结构：每一行原始数据只会在其实际所属处理组的列上取值为1，其余不匹配的处理组列都取值为0。
pivot_longer()转置完成后，会默认把所有待转置列的单元格取值存入名为value的列，你必须筛选value == 1的行，才能保留每个观测实际对应的处理组记录，删掉剩下3条value=0的无意义占位行，最后移除value列就能得到符合tidy原则的结果。

不提及value列的实现方式 #

不存在完全不依赖0/1取值判断的实现方案：A/B/C/D列的单元格值是判断每行对应哪个treatment的唯一依据，不管你写不写出value这个列名，都需要基于这些取值筛选有效行——value只是转置函数给存取值的列设置的默认列名，你完全可以调整写法，让代码里不出现value字符串，比如使用tidyr新版本支持的values_filter参数，在转置过程中直接完成筛选，不需要后续单独写过滤和删列语句：

df %>%
  pivot_longer(
    cols = c(A, B, C, D),
    names_to = "treatment",
    values_to = NULL,
    values_filter = ~.x == 1
  )

运行上述代码可以直接得到你预期的结果，全程不需要提到value列，也不需要额外写filter和select语句，但本质逻辑还是基于单元格取值筛选有效记录，和你原来的写法没有差异。

内容的提问来源于stack exchange，提问作者John Thomas