【问题标题】：Convert wide data to long format for repeated measures/mixed models [duplicate]将宽数据转换为长格式以进行重复测量/混合模型[重复]
【发布时间】：2022-01-09 11:22:45
【问题描述】：

目前我有这种“宽”格式的数据：

|Participant|Banana|Apple|Orange|
|-|-|-|-|
|P1|0|0|0|
|P2|1|1|1|
|P3|0|0|0|

理想情况下，我想将这些数据转换为混合模型的长格式，即，

|Participant|Item|Accuracy|
|-|-|-|
|P1|Banana|0|
|P1|Apple|0|
|P1|Orange|0|
|P2|Banana|1|
|P2|Apple|1|
|P2|Orange|1|
|P3|Banana|0|
|P3|Apple|0|
|P3|Orange|0|

（由于某种原因，我的桌子坏了，对不起。）

重现代码

dat <- data_frame(
  Participant = paste0("P", 1:3),
  Banana = sample(0:1, 3, TRUE),
  Apple = sample(0:1, 3, TRUE),
  Orange = sample(0:1, 3, TRUE),
)

梳理了几篇帖子，周围有一些零碎的答案，但我不能完全把它放在一起：提取和拼接参与者并转置他们的行。

感谢您的帮助。

【问题讨论】：

用tidyr 可以pivot_longer(dat, cols = -Participant) 吗？
（仅供参考，即使被标记为骗子，您仍然可以接受答案 :-)

标签： r tidyr

【解决方案1】：

你可以试试

library(dplyr)
library(reshape2)

dat %>%
  melt %>%
  rename(., Accuracy = value, Item = variable) %>%
  arrange(Participant)


  Participant   Item Accuracy
1          P1 Banana        0
2          P1  Apple        1
3          P1 Orange        0
4          P2 Banana        1
5          P2  Apple        0
6          P2 Orange        1
7          P3 Banana        1
8          P3  Apple        1
9          P3 Orange        1

感谢@r2evans

melt(dat, variable.name = "Accuracy", value.name = "Item")

  Participant Accuracy Item
1          P1   Banana    0
2          P2   Banana    1
3          P3   Banana    1
4          P1    Apple    1
5          P2    Apple    0
6          P3    Apple    1
7          P1   Orange    0
8          P2   Orange    1
9          P3   Orange    1

【讨论】：

或者只是melt(dat, variable.name = "Accuracy", measure.name = "Item")，无需管道或重命名。
@r2evans 哇。我没有注意到这一点。顺便说一句，value.name 似乎有效。非常感谢！
我的意思是 value.name=，感谢您发现那个错字……我正在玩其他的整形，没有 QA/检查我输入的内容，对此感到抱歉。
@r2evans 没问题！我很感激提醒melt 函数有这些论点。我通常倾向于让他们variable 和value。再次感谢提醒我：D

【解决方案2】：

dplyr

tidyr::pivot_longer(wide, -Participant, names_to = "Item", values_to = "Accuracy")
# # A tibble: 9 x 3
#   Participant Item   Accuracy
#   <chr>       <chr>     <int>
# 1 P1          Banana        0
# 2 P1          Apple         0
# 3 P1          Orange        0
# 4 P2          Banana        1
# 5 P2          Apple         1
# 6 P2          Orange        1
# 7 P3          Banana        0
# 8 P3          Apple         0
# 9 P3          Orange        0

【讨论】：