R语言如何将同一ID的多行重复测量数据转为单行宽格式数据

核心思路 #

你要做的是标准的长格式转宽格式操作：把“每一行代表一次独立观测”的长表，转为“每一行对应一个参与者、不同时间点的测量结果单独成列”的宽表。R有成熟的内置/第三方函数可以直接实现，完全不需要写循环、手动拆分子集再merge，还能天然适配你遇到的两个痛点：

• 不同参与者测量次数差异大：函数会自动按全数据集的最大测量次数生成对应列，测量次数不足的参与者对应单元格自动填充NA，不会触发报错
• 存在缺失值：缺失的观测会被自动识别处理，不会出现列名冲突、匹配错位的问题

方法1：tidyr包pivot_wider（最推荐） #

这是目前tidyverse生态下最简洁、维护最好的实现，代码可读性高，没有副作用。

# 首次使用先安装：install.packages("tidyr")
library(tidyr)

# 核心转换代码
B1 <- A1 %>%
  pivot_wider(
    id_cols = id,         # 以id为聚合唯一行的依据
    names_from = time,     # 新列名来自time的测量编号
    names_prefix = "x",    # 给新列加x前缀，自动生成x1/x2/x3...的格式
    values_from = x       # 新列的填充值来自结果变量x
  )

不管数据集里最多有多少个时间点（哪怕最多10次测量），函数都会自动生成对应数量的列；某个参与者没有对应次数的测量时，单元格自动补NA，完全不需要手动处理特殊场景。

方法2：reshape2包dcast（经典实现） #

如果习惯用经典的reshape2包，可以用dcast快速实现：

# 首次使用先安装：install.packages("reshape2")
library(reshape2)

B1 <- dcast(
  data = A1,
  formula = id ~ time,   # 行维度按id拆分，列维度按time拆分
  value.var = "x"
)

# 给列加x前缀，匹配要求的x1/x2命名格式
colnames(B1)[-1] <- paste0("x", colnames(B1)[-1])

方法3：基础R内置reshape（无需额外安装包） #

如果不想安装第三方包，可以直接用R自带的reshape函数实现：

B1 <- reshape(
  data = A1,
  idvar = "id",         # 唯一行的标识列是id
  timevar = "time",      # 用来拆分列的变量是time
  direction = "wide",    # 指定转换方向为宽格式（长转宽）
  v.names = "x"          # 要拆分的结果变量是x
)

# 把默认生成的x.1/x.2格式列名，替换成要求的x1/x2格式
colnames(B1) <- gsub("x\\.", "x", colnames(B1))

原尝试方案的问题 #

1. 手写循环+eval(parse)的方式：动态拼接代码执行的逻辑效率低、冗余度高，当某个参与者没有对应时间点的测量时，赋值操作会因为找不到匹配位置直接报错，调试成本极高。
2. 手动拆分数据集再merge的方式：默认merge是内连接，会直接删除没有完成全部测量的参与者；同时每次合并后time、x列会因为重名被自动重命名为time.x/time.y、x.x/x.y，不手动批量修正列名就会出现识别错误。

内容的提问来源于stack exchange，提问作者Eric Boorman