dplyr数据处理代码冗余简化及已合并数据集操作咨询

现有代码的冗余/逻辑问题 #

• 不必要的重复管道步骤：多个连续的mutate操作可以合并为一个，减少无意义的管道调用
• 两次pivot_longer存在逻辑错误和冗余：现有写法会生成pre指标和post指标的全量笛卡尔积，出现大量不符合逻辑的跨指标配对（比如MetricA_Pre和MetricB_Post匹配到同一行），完全可以通过单次pivot_longer搭配名称拆分规则实现正确的长表转换
• 冗余的排序操作：两次pivot_longer后的arrange没有实际业务必要，可删除，若需最终排序可在所有处理完成后统一执行
• 重复的因子水平硬编码：outcome_pre和outcome_post的因子水平可以通过转换时自动生成，无需手动逐个录入，减少硬编码出错概率
• 无效的ARM重编码逻辑：从你提供的合并后数据集来看，ARM字段已经只有ENHANCED和STANDARD两个取值，没有REFERENCE取值，若原始合并后的数据确实不存在该值，第一步的ifelse重编码可以直接删除

简化后代码 #

以下代码实现的效果和原代码预期一致，同时修正了原代码的配对错误，行数减少近60%：

library(dplyr)
library(tidyr)

analysis_df <- raw_df %>%
  # 合并所有mutate操作
  mutate(
    # 若确认原始数据没有REFERENCE可直接删除下面这行ARM重编码逻辑
    ARM = ifelse(ARM == "REFERENCE", "STANDARD", "ENHANCED"),
    ARM = factor(ARM, levels = c("STANDARD", "ENHANCED")),
    SEX = factor(if_else(SEX == 1, "Male", "Female"), levels = c("Male", "Female"))
  ) %>%
  # 单次长表转换拆分指标名称和测量时间点，避免错误配对
  pivot_longer(
    cols = MetricA_Pre:MetricF_Post,
    names_to = c("metric", "time"),
    names_sep = "_",
    values_to = "score"
  ) %>%
  # 如需pre、post得分拆分为两列可保留下面这行，不需要直接删除即可
  pivot_wider(names_from = time, values_from = score) %>%
  # 自动生成指标因子水平，无需手动硬编码
  mutate(
    metric = factor(metric, levels = paste0("Metric", LETTERS[1:6]))
  )

内容的提问来源于stack exchange，提问作者12666727b9