宽格式数据转列频率计数：优雅转换受试者数据为问题-频率数据框问询

这个问题我太有共鸣了！之前用plyr逐个处理问题再rbind合并确实繁琐到爆炸，用tidyverse的dplyr+tidyr组合拳就能完美解决，全程批量操作，完全不用手动逐个处理问题，代码简洁还易维护。

先假设你的原始数据结构（宽格式） #

通常问卷数据会是宽格式：每一列对应一个问题，每个单元格是受试者的响应选项（比如1-5分），示例数据如下：

library(tidyverse)

# 构造模拟数据，3个问题，100个受试者的响应
set.seed(123)
raw_df <- tibble(
  问题A = sample(1:5, 100, replace = TRUE),
  问题B = sample(1:5, 100, replace = TRUE),
  问题C = sample(1:5, 100, replace = TRUE)
)

核心处理代码（一行管道搞定） #

freq_df <- raw_df %>%
  # 第一步：把宽格式转成长格式，所有问题的响应统一放到一列
  pivot_longer(cols = everything(), names_to = "问题", values_to = "响应") %>%
  # 第二步：按问题+响应分组，统计每个组合的频率
  count(问题, 响应) %>%
  # 第三步：把响应值转成列，缺失的频率填充为0（避免某个问题无某选项时出现NA）
  pivot_wider(names_from = "响应", values_from = "n", values_fill = 0) %>%
  # 可选：把列名从数字改成更直观的"选项1"格式
  rename_with(~ paste0("选项", .), matches("^[1-5]$"))

# 查看结果
print(freq_df)

代码逐段解释 #

• pivot_longer：把原本分散在各列的问题，统一转成"问题"和"响应"两列，这一步是批量处理的关键——所有问题的响应都进入同一数据流，不用再逐个单独处理。
• count：替代plyr::count，自动按问题和响应分组统计频率，一次搞定所有问题的计数。
• pivot_wider：把响应值（1-5）转成列，values_fill=0确保如果某个问题没有某选项的响应，会填充0而不是NA，保证数据框结构完整。
• rename_with：可选操作，把列名从"1""2"改成"选项1""选项2"，让结果更易读。

优势对比 #

和你之前的方法比，这个方案：

• 不需要逐个处理问题，不管你有10个还是100个问题，代码完全不用改
• 不需要手动rbind合并结果，全程管道操作，数据流转清晰
• 自动处理缺失的响应选项（填充0），避免后续分析出问题

如果你的原始数据已经是长格式（比如每行是一个受试者的一个问题响应），那直接从count步骤开始就行，跳过pivot_longer。

内容的提问来源于stack exchange，提问作者Anne