R语言Dataframe三类分类变量整合及关联分析问题咨询

1. 数据结构转换（宽表转长表） #

你当前的关系主题是以列维度延展的宽表结构，首先要转换为长表，让所有分类变量都以单独列的形式存在，方便后续分组调用。可直接用tidyverse套件完成操作，同时你原有的筛选代码可以用%in%运算符简化，不需要重复写判断条件：

library(tidyverse)
# 筛选目标国家+宽表转长表
df_long <- df_full %>%
  # 筛选指定6个国家
  filter(Country %in% c("GER", "CH", "UK", "US", "IN", "JP")) %>%
  # 把10个关系主题的列转为行，names_to指定新生成的主题列名，values_to指定主题是否出现的标记列名
  pivot_longer(cols = c("Bel_Insp", "Emb_Real", "Excitement", "Good_Deed", "New_Real", "New_Rel", "Rel_Resc", "Rel_Togeth", "Rel_Warmth", "Transf_Reb"),
               names_to = "relationship_theme",
               values_to = "is_appear") %>%
  # 仅保留主题实际出现的记录（如果你的主题列值为0/1标记是否出现，可保留这行）
  filter(is_appear == 1)

2. 合并文化维度数据 #

如果你的文化维度数据是单独存储的表，直接用国家字段作为关联主键合并到上面的长表即可：

# 假设文化维度表名为df_culture，关联键为Country
df_final <- df_long %>%
  left_join(df_culture, by = "Country")

3. 输出表结构说明 #

最终生成的df_final每一行对应一条「特定国家下某类关系主题出现」的记录，所有你需要的分类变量都已单独成列：

• Country：共6个水平，对应你筛选的6个国家
• relationship_theme：共10个水平，对应10类关系主题
• 6个文化维度字段：和国家一一对应

后续需要统计频次、分组绘制直方图都可以直接用这三类变量作为分组因子，比如统计每个文化维度下各关系主题的出现频次代码如下：

theme_culture_freq <- df_final %>%
  group_by(你的文化维度列名, relationship_theme) %>%
  summarise(freq = n(), .groups = "drop")

内容的提问来源于stack exchange，提问作者Jannike