下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容（原文6047字）。

4章3节：处理医学类原始数据的重要技巧，R语言中的宽长数据转换，tidyr包的使用指南_r语言医学公共数据库变量类型及转换-CSDN博客

在数据分析中，数据的存储方式直接影响分析过程的效率和准确性。常见的数据存储形式有宽型数据（wide format）和长型数据（long format）。宽型数据适合人类查看和理解，而长型数据则更适合计算机处理和分析。为此，R语言提供了tidyr包，用于在这两种数据格式之间进行转换。本指南将详细介绍tidyr包中最常用的两个函数：gather()和spread()，并结合实际案例进行讲解。

三、安装和加载tidyr包

tidyr是R语言中用于数据清理和重塑的重要工具，其主要目的是帮助用户创建“整洁数据”（tidy data）。在整洁数据中，每一个变量占用一列，每一条观察值占用一行，每个单元格包含一个单一的值。tidyr提供了丰富的工具来改变数据的形状（即数据的pivoting）和层次结构（即嵌套和解嵌套）。

在开始之前，确保已经安装并加载了tidyr包。可以使用以下命令进行安装和加载：

install.packages("tidyr")

library(tidyr)

1、创建示例数据

我们首先创建一个简单的宽型数据框datapati，该数据框包含三个变量（x、y、z）和一个时间变量time：

library(tibble)
datapati <- tibble(time = as.Date('2025-01-01') + 1:3, x = c(1, 2, 3), y = c(8, 5, 6), z = c(3, 0, 3))
print(datapati)

结果是：

# A tibble: 3 × 4
  time           x     y     z
  <date>     <dbl> <dbl> <dbl>
1 2025-01-02     1     8     3
2 2025-01-03     2     5     0
3 2025-01-04     3     6     3

2、gather()函数

3、spread()函数

spread()函数用于将长型数据转换为宽型数据。

spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE, sep = NULL)

我们先创建一个新的长型数据框datapati2：

datapati2 <- data.frame(x = c("a", "b", "c"), y = c(3, 4, 5))
print(datapati2)

结果是：

  x y
1 a 3
2 b 4
3 c 5

使用spread()函数将其转换为宽型数据：

datapati_wide <- spread(datapati2, key = x, value = y) 
print(datapati_wide)

结果是：

  a b c
1 3 4 5

更复杂的示例

考虑一个更复杂的情境，我们有一个包含多个变量的数据框：

library(tibble)
data_complex <- tibble(
  id = 1:3,
  age = c(23, 45, 31),
  income = c(50000, 60000, 55000),
  height = c(175, 160, 180),
  weight = c(70, 80, 75)
)
print(data_complex)

结果是：

# A tibble: 3 × 5
     id   age income height weight
  <int> <dbl>  <dbl>  <dbl>  <dbl>
1     1    23  50000    175     70
2     2    45  60000    160     80
3     3    31  55000    180     75

将其转换为长型数据：

data_complex_long <- gather(data_complex, key = "variable", value = "value", -id)
print(data_complex_long)

结果是：

# A tibble: 12 × 3
      id variable value
   <int> <chr>    <dbl>
 1     1 age         23
 2     2 age         45
 3     3 age         31
 4     1 income   50000
 5     2 income   60000
 6     3 income   55000
 7     1 height     175
 8     2 height     160
 9     3 height     180
10     1 weight      70
11     2 weight      80
12     3 weight      75

将长型数据转换回宽型数据：

data_complex_wide <- spread(data_complex_long, key = variable, value = value)
print(data_complex_wide)

结果是：

# A tibble: 3 × 5
     id   age height income weight
  <int> <dbl>  <dbl>  <dbl>  <dbl>
1     1    23    175  50000     70
2     2    45    160  60000     80
3     3    31    180  55000     75

市面上的 R 语言培训班和书籍（包括网络上的文章或视频），由于受限于培训时间或书籍篇幅，往往难以深入探讨 R 语言在数据科学或人工智能中的具体应用场景，内容泛泛而谈，最终无法真正解决实际工作中的问题。同时，它们也缺乏针对医药领域的深度结合与讨论。为了解决这些痛点，我们推出了《用 R 探索医药数据科学》专栏。该专栏将持续更新，不仅为您提供系统化的学习内容，更致力于成为您掌握最新、最全医药数据科学技术的得力助手。