如何用R基于Checked/Unchecked重塑数据集并自动处理列名？

当然可以用R完全自动化实现这个转换！不用手动移除列名里的Treatment=前缀，不管是用tidyverse工具链还是reshape包都能轻松搞定，我给你一步步演示：

第一步：构造示例数据集 #

先把你给出的文本结构转换成R能识别的数据框：

library(tidyverse)

# 模拟你的原始数据集
df <- tibble(
  ID = c("Patient1", "Patient2", "Patient3"),
  `Treatment=Induction Chemo` = c("Checked", "Unchecked", "Unchecked"),
  `Treatment=Hypomethylating Chemo` = c("Unchecked", "Checked", "Unchecked"),
  `Treatment=Consolidation Chemo` = c("Unchecked", "Unchecked", "Checked")
)

第二步：用tidyverse实现转换（推荐，语法更直观） #

用tidyr::pivot_longer把宽格式转成长格式，再过滤出Checked的记录，最后自动去掉Treatment=前缀：

result <- df %>%
  # 将所有Treatment开头的列转成两列：Treatment（原列名）、Status（Checked/Unchecked）
  pivot_longer(
    cols = starts_with("Treatment="),
    names_to = "Treatment",
    values_to = "Status"
  ) %>%
  # 只保留每个患者被选中的处理记录
  filter(Status == "Checked") %>%
  # 用正则表达式自动移除开头的Treatment=前缀
  mutate(Treatment = str_remove(Treatment, "^Treatment=")) %>%
  # 保留需要的两列
  select(ID, Treatment)

# 查看结果
print(result)

运行后你会得到完全符合要求的输出：

# A tibble: 3 × 2
  ID        Treatment               
  <chr>     <chr>                   
1 Patient1  Induction Chemo         
2 Patient2  Hypomethylating Chemo   
3 Patient3  Consolidation Chemo

如果你想用reshape包实现 #

虽然reshape包的语法稍显老旧，但也能完成这个需求：

library(reshape2)

# 转成长格式
melted_df <- melt(df, id.vars = "ID", variable.name = "Treatment", value.name = "Status")

# 过滤并处理列名
result_reshape <- melted_df %>%
  filter(Status == "Checked") %>%
  mutate(Treatment = gsub("^Treatment=", "", Treatment)) %>%
  select(ID, Treatment)

两种方法都不需要手动修改列名，全程自动化完成转换，你可以根据自己的习惯选择工具~

内容的提问来源于stack exchange，提问作者Adam Alayli