R语言：重复测量数据两次reshape失败求助

我明白你现在卡在数据重塑这一步了——把包含6个Offer区块（每个区块10次重复测量）的宽格式数据转成包含DV、Timepoint和Offersize的长格式对吧？咱们一步步来解决这个问题。

问题分析 #

你之前尝试了两次reshape操作但没成功，大概率是这两个原因：

• 第一次reshape用了固定列索引（比如32:41），如果原始数据的列顺序有变动就会出错；
• 第二次reshape的times参数用了1:6，但实际你需要的Offersize是0-5（对应Cero到Five），参数不匹配导致结果不符合预期。

下面我给你两种解决方案，分别用tidyverse（推荐，语法更直观）和base R来实现。

方案1：用tidyverse的pivot_longer（推荐） #

pivot_longer可以直接拆分复杂的列名，一步到位完成重塑，代码可读性更高。

步骤1：加载包 #

library(tidyverse)

步骤2：处理数据（以你的示例数据为例） #

你的示例数据包含CeroCent和FiveCent两个区块，实际如果是6个区块，只需要补充其他前缀即可：

example_processed <- example %>%
  # 把所有以CeroCent/OneCent/.../FiveCent开头的列转成长格式
  pivot_longer(
    cols = starts_with(c("CeroCent", "OneCent", "TwoCent", "ThreeCent", "FourCent", "FiveCent")),
    # 拆分列名：前缀（比如CeroCent）和时间点（比如1）
    names_to = c("OfferPrefix", "Timepoint"),
    names_pattern = "(.*)\\.(\\d+)",
    # 把列值存入DV列
    values_to = "DV"
  ) %>%
  # 把Offer前缀转换成对应的Offersize数字
  mutate(
    Offersize = case_when(
      OfferPrefix == "CeroCent" ~ 0,
      OfferPrefix == "OneCent" ~ 1,
      OfferPrefix == "TwoCent" ~ 2,
      OfferPrefix == "ThreeCent" ~ 3,
      OfferPrefix == "FourCent" ~ 4,
      OfferPrefix == "FiveCent" ~ 5
    ),
    # 确保Timepoint是整数类型
    Timepoint = as.integer(Timepoint)
  ) %>%
  # 调整列顺序到你想要的目标格式
  select(Sub, IV1, IV2, DV, Timepoint, Offersize) %>%
  # 按被试、区块、时间点排序，方便查看
  arrange(Sub, Offersize, Timepoint)

处理后的数据样例 #

运行后你会得到类似这样的结果：

# A tibble: 50 × 6
     Sub   IV1   IV2    DV Timepoint Offersize
   <int> <int> <int> <int>     <int>     <dbl>
 1     1     3     5     1         1         0
 2     1     3     5     3         2         0
 3     1     3     5     5         3         0
 4     1     3     5     2         4         0
 5     1     3     5     4         5         0
 6     1     3     5     5         1         5
 7     1     3     5     2         2         5
 8     1     3     5     1         3         5
 9     1     3     5     4         4         5
10     1     3     5     3         5         5
# ℹ 40 more rows

方案2：用base R的reshape #

如果习惯用base R，也可以调整参数完成两次重塑：

步骤1：第一次重塑——拆分时间点 #

# 用grep匹配列名，比固定索引更可靠
dl <- reshape(example, 
              varying = list(
                grep("CeroCent", names(example)),
                grep("OneCent", names(example)),
                grep("TwoCent", names(example)),
                grep("ThreeCent", names(example)),
                grep("FourCent", names(example)),
                grep("FiveCent", names(example))
              ),
              v.names = c("CeroCent", "OneCent", "TwoCent", "ThreeCent", "FourCent", "FiveCent"),
              direction = "long",
              times = 1:10, # 你的原始数据是10次重复，示例数据是5次，按需修改
              timevar = "Timepoint")

步骤2：第二次重塑——拆分区块（Offersize） #

这里注意times参数要对应0-5，而不是1-6：

dl2 <- reshape(dl, 
               varying = c("CeroCent", "OneCent", "TwoCent", "ThreeCent", "FourCent", "FiveCent"),
               v.names = "DV",
               direction = "long",
               times = c(0,1,2,3,4,5), # 对应每个区块的数字
               timevar = "Offersize")

# 清理多余列并调整顺序
dl2_final <- dl2 %>%
  select(Sub, IV1, IV2, DV, Timepoint, Offersize) %>%
  arrange(Sub, Offersize, Timepoint)

关键注意点 #

• 列名匹配：尽量用grep或starts_with按列名匹配，避免用固定索引，防止列顺序变动导致错误；
• 区块映射：Cero对应0，Five对应5，这个映射关系一定要准确，否则Offersize列会出错；
• 数据类型：确保Timepoint和Offersize是整数类型，方便后续统计分析。

内容的提问来源于stack exchange，提问作者Martin Weiß