嵌套重复测量数据集的多列变量整合技术咨询

嘿，这个问题我太熟了！在家庭嵌套的重复测量数据里，这种按受访者类型拆分变量列的情况真的很常见，咱们用tidyverse工具就能轻松搞定。先给你理清楚思路，再上代码示例～

首先，先明确咱们的目标：把分散在多列的同一名义变量（比如v1的v1_a/v1_b/v1_c）合并成一列，同时保留嵌套（家庭-个人）和重复测量（time）的结构，最终形成每行对应一个个体-时间点的整洁数据集。

先构造个示例数据集（方便你对应自己的真实数据） #

我先模拟一个和你描述一致的数据集，包含家庭ID、个人ID、类型、时间，以及三类分散的变量：

library(tidyverse)

set.seed(123)  # 固定随机种子，方便复现
df <- tibble(
  hid = rep(1:2, each = 3*2),  # 2个家庭，每个家庭3个成员，2次测量
  time = rep(1:2, each = 3, times = 2),
  pid = rep(c("1a", "1b", "1c", "2a", "2b", "2c"), each = 2),
  type = rep(c("a", "b", "c"), times = 4),
  # 全类型变量：v1分三列，对应a/b/c三类
  v1_a = ifelse(type == "a", rnorm(12), NA),
  v1_b = ifelse(type == "b", rnorm(12), NA),
  v1_c = ifelse(type == "c", rnorm(12), NA),
  # 部分类型变量：v2仅a/b类有，分两列
  v2_a = ifelse(type == "a", rnorm(12), NA),
  v2_b = ifelse(type == "b", rnorm(12), NA),
  # 单类型变量：v3仅c类有，单独一列
  v3_c = ifelse(type == "c", rnorm(12), NA)
)

分步处理不同类型的变量 #

1. 处理全类型覆盖的变量（比如v1）

这类变量每个类型都对应一列，我们可以用pivot_longer提取变量名里的类型标识，再和数据里的type列匹配，过滤掉无关的NA值：

# 处理全类型变量v1
df_v1 <- df %>%
  select(hid, time, pid, type, starts_with("v1_")) %>%  # 只保留相关列
  pivot_longer(
    cols = starts_with("v1_"),
    names_to = c("var", "var_type"),  # 拆分列名为变量名和类型
    names_pattern = "(v1)_(.)",  # 用正则匹配"v1_a"里的v1和a
    values_to = "value"
  ) %>%
  filter(type == var_type) %>%  # 只保留和当前个体类型匹配的数值
  select(-var_type) %>%  # 去掉临时的类型列
  pivot_wider(names_from = var, values_from = value)  # 转回宽格式，得到v1列

2. 处理仅部分类型覆盖的变量（比如v2）

逻辑和上面完全一致，只是变量列只有a/b两类，过滤后自然会保留对应个体的数值，其他类型的v2会是NA（符合实际情况）：

# 处理部分类型变量v2
df_v2 <- df %>%
  select(hid, time, pid, type, starts_with("v2_")) %>%
  pivot_longer(
    cols = starts_with("v2_"),
    names_to = c("var", "var_type"),
    names_pattern = "(v2)_(.)",
    values_to = "value"
  ) %>%
  filter(type == var_type) %>%
  select(-var_type) %>%
  pivot_wider(names_from = var, values_from = value)

3. 处理仅单类型覆盖的变量（比如v3）

这类最简单，直接重命名列即可，其他类型的行自然会保留NA，不用额外过滤：

# 处理单类型变量v3
df_v3 <- df %>%
  select(hid, time, pid, type, v3_c) %>%
  rename(v3 = v3_c)  # 把v3_c重命名为v3

合并所有处理后的数据集 #

最后把基础标识列和所有处理好的变量列合并，就得到了整洁的数据集：

# 合并所有表，基于家庭、时间、个人、类型匹配
final_df <- df %>%
  select(hid, time, pid, type) %>%  # 保留核心标识列
  left_join(df_v1, by = c("hid", "time", "pid", "type")) %>%
  left_join(df_v2, by = c("hid", "time", "pid", "type")) %>%
  left_join(df_v3, by = c("hid", "time", "pid", "type"))

# 查看处理后的结果
head(final_df)

额外小技巧 #

• 如果有多个同类型的变量（比如v1、v4都是全类型覆盖），可以用map函数批量处理，不用重复写代码。
• 如果你的变量名格式不是var_type（比如是v1dad而不是v1_a），只需要调整names_pattern的正则表达式，比如改成names_pattern = "(v1)([a-c])"就能匹配。
• 处理后的数据集完全符合tidy data标准，后续不管做描述性统计还是混合效应模型（比如lme4）都非常方便。

内容的提问来源于stack exchange，提问作者Eric Green