R语言如何编写数据结构操作函数，用pivot_longer完成多选项问卷宽表转长表及批量处理

• 此前的操作混淆了两类结构完全不同的列，没有建立列与列之间的映射关系：
  • 4个被重命名为v1的列，本质是多选题每个选项（1-4号）的选中状态标识，每列固定对应一个选项
  • 12个带后缀的关联题列（o_v1_1、c_v1_1等），本质是每个选项跳转后对应的三道小题作答值，每列和对应编号的选项强绑定
• 之前直接将所有非ID列一次性传入pivot_longer，既没有拆分两类列的结构，也没有通过选项编号建立两类列的关联，再加上重名列破坏了列名自带的映射信息，完全无法匹配目标输出的逻辑。

整个转换不需要复杂的参数，分三步拆分处理即可：

1. 优先处理多选选项的选中状态列，过滤未选中的空值，提取每列对应的选项编号

   # 注意：不要提前将4个选项列重命名为重复的"v1"，保留原始的v1...3、v1...4这类带列序的列名
   select_long <- raw_data %>%
     pivot_longer(
       cols = starts_with("v1..."), # 精准选中4个多选选项列
       values_to = "answer_dir", # 存储受访者选中的选项编号
       values_drop_na = TRUE # 直接过滤未选中的空值，减少后续冗余计算
     ) %>%
     # 通过列名位置对应关系，标记每列绑定的选项号
     mutate(
       option_num = case_when(
         name == "v1...3" ~ 1,
         name == "v1...4" ~ 2,
         name == "v1...5" ~ 3,
         name == "v1...6" ~ 4
       )
     ) %>%
     select(seance_id, respondent, answer_dir, option_num)
   

2. 处理每个选项关联的三道小题列，同样提取每列绑定的选项编号

   related_long <- raw_data %>%
     pivot_longer(
       cols = matches("(o|c|f)_v1_\\d"), # 精准匹配所有关联小题列
       names_to = "criteria", # 存储小题的完整列名
       values_to = "criteria_answer" # 存储小题的作答值
     ) %>%
     # 从列名中提取绑定的选项号：比如o_v1_1的后缀1，对应选项1
     mutate(
       option_num = str_extract(criteria, "(?<=_v1_)\\d")
     )
   

3. 基于「受访者唯一标识 + 选项编号」的共同字段，将两个长表关联，即可得到目标格式的输出

   final_long <- select_long %>%
     left_join(related_long, by = c("seance_id", "respondent", "option_num")) %>%
     mutate(direction = "v1") %>% # 补上目标格式中固定的题目方向列
     select(seance_id, respondent, direction, answer_dir, criteria, criteria_answer)
   

针对嵌套在Excel列表中的30余个结构相似的数据框，不需要逐表手动写代码，将上述流程封装成通用函数，配合批量循环即可全量处理：

• 封装的通用函数会自动识别符合命名规则的列，不需要根据每个表的列数调整参数

  convert_survey <- function(df) {
    # 自动识别两类目标列
    select_cols <- colnames(df)[str_detect(colnames(df), "^v1\\.\\.\\.")]
    related_cols <- colnames(df)[str_detect(colnames(df), "^(o|c|f)_v1_")]
    
    # 处理多选选中状态列
    select_res <- df %>%
      pivot_longer(all_of(select_cols), values_to = "answer_dir", values_drop_na = TRUE) %>%
      mutate(option_num = str_extract(name, "\\d+$")) %>% # 从列名末尾提取数字作为选项号
      select(seance_id, respondent, answer_dir, option_num)
    
    # 处理关联小题列
    related_res <- df %>%
      pivot_longer(all_of(related_cols), names_to = "criteria", values_to = "criteria_answer") %>%
      mutate(option_num = str_extract(criteria, "(?<=_v1_)\\d"))
    
    # 关联输出
    select_res %>%
      left_join(related_res, by = c("seance_id", "respondent", "option_num")) %>%
      mutate(direction = "v1") %>%
      select(seance_id, respondent, direction, answer_dir, criteria, criteria_answer)
  }
  
  # 批量处理列表中所有数据框，最终合并为一个总表
  final_all <- excel_sheet_list %>% # 即从Excel读取的、嵌套所有sheet数据的列表对象
    purrr::map(convert_survey) %>%
    list_rbind(names_to = "source_sheet") # 自动标记每一行数据来自哪个原始sheet
  

注意事项：

• 原流程中mutate_if(is.numeric, as.character)的代码完全没必要保留，提前将所有数值列批量转为字符型，会破坏数值的计算属性，影响后续分析
• 不要给不同的多选选项列重命名为重复的列名，列名是pivot_longer识别映射关系的核心依据
• 只要所有数据框的列名遵循统一的命名规则，同一个函数就可以兼容全量30余个数据表的转换需求，不需要逐表修改参数

内容的提问来源于stack exchange，提问作者rg4s