Long oder Wide: Daten kontrolliert umformen

1. Die Bedeutung einer Zeile vor dem Umformen festlegen

Deine Statistiksoftware verlangt eine andere Tabellenform als der Fragebogenexport. Bevor du Spalten verschiebst, schreibe einen Satz zur jetzigen Zeile: Sie enthält beispielsweise eine Person mit zwei Messzeitpunkten. Im Wide-Format stehen diese Messwerte in getrennten Spalten. Im Long-Format stehen die Zeitpunkte in einer eigenen Spalte und die zugehörigen Messwerte untereinander. Die offizielle tidyr-Dokumentation beschreibt den Wechsel entsprechend als Verlängern oder Verbreitern der Tabelle. Daraus folgt noch keine Entscheidung über das statistische Verfahren.

Unser eigenes fiktives Lernbeispiel enthält drei Personen mit je einem Wert vor und nach einer Übung. Eine Wide-Tabelle besitzt die Spalten Kennung, vorher und nachher und drei Datenzeilen. Die entsprechende Long-Tabelle besitzt Kennung, Zeitpunkt und Wert und sechs Datenzeilen. Es bleiben drei Personen, nicht sechs unabhängige Versuchsteilnehmende. Notiere diese beiden erwarteten Anzahlen vor der Umformung. Dadurch wird ein scheinbarer Fallzahlzuwachs sofort als Anordnungsänderung erkennbar.

Erstelle als eigene Arbeitshilfe eine Zuordnungskarte: Welche Spalten identifizieren die Einheit, welche enthalten Messungen und welche Information steckt bislang im Spaltennamen? Ein Name wie zufriedenheit_t2 enthält mindestens Merkmal und Zeitpunkt. Werden mehrere Merkmale gemeinsam umgeordnet, dürfen ihre Werte nicht ohne Kennzeichnung vermischt werden. Halte außerdem Einheiten und Kodierungen fest. Eine Spalte mit Minuten und Punkten wäre keine einheitliche Messgröße, nur weil alle Zellen Zahlen enthalten.

Weiterführend: tidyr: pivot_longer, Spaltennamen und Messwerte umformen

2. Kennung und Zeitpunkt als überprüfbaren Schlüssel behandeln

Für das fiktive Beispiel erwartest du pro Person und Zeitpunkt genau einen Messwert. Prüfe deshalb die Kombination beider Felder, nicht nur die Kennung allein. Dieselbe Kennung darf in der Long-Tabelle mehrfach vorkommen; zweimal derselbe Zeitpunkt derselben Person verlangt dagegen eine Erklärung. Vielleicht existieren zwei Versuche oder ein fehlerhaft doppelt exportierter Eintrag. Entscheide diese Frage am Erhebungsplan. Eine Warnmeldung durch Mittelwertbildung verschwinden zu lassen, könnte eine zusätzliche Auswertungsentscheidung verbergen.

Die Dokumentation von pivot_wider benennt Identifikationsspalten und beschreibt eine Aggregationsfunktion für nicht eindeutige Zuordnungen. Das ist eine technische Möglichkeit, keine fachliche Erlaubnis zur Zusammenfassung. Für deine Kontrollkarte lautet die Frage: Soll hier tatsächlich aggregiert werden oder fehlt ein weiteres Schlüsselfeld, etwa Versuch? Begründe jede Zusammenfassung gesondert und bewahre die unveränderte Ausgangsdatei. Dieselbe Zeilenzahl nach der Verarbeitung beweist noch nicht, dass jede Messung derselben Einheit zugeordnet geblieben ist.

Weiterführend: tidyr: pivot_wider, id_cols und values_fn

3. Fehlende Werte und Datentypen ausdrücklich erhalten

Ergänze im eigenen Beispiel bei Person P03 einen fehlenden Nachherwert. In einer Long-Tabelle kann die betreffende Zeile mit fehlendem Wert erhalten bleiben oder durch eine Option entfallen. Die tidyr-Hilfe warnt, dass das Entfernen solcher Zeilen ausdrücklich vorhandene Lücken in nur noch indirekt erkennbare Lücken verwandelt. Für deinen Prüflauf behältst du sie zunächst sichtbar. Anschließend unterscheidest du eine nicht erhobene Messung von einem technisch verlorenen Eintrag. Null ist dafür kein allgemeiner Ersatz.

Prüfe nach der Umformung die Typen der Felder: Führende Nullen einer Kennung, Datumsangaben und beschriftete Antwortstufen dürfen nicht unbemerkt ihre Bedeutung ändern. Die pandas-Dokumentation zeigt die getrennte Angabe von Identifikations- und Messspalten bei melt. Übernimm dieses Prinzip in deine Kontrollliste, unabhängig von der verwendeten Software. Lege den tatsächlich eingesetzten Befehl und seine Optionen ab, statt später nur eine manuell bearbeitete Endtabelle erklären zu können.

Weiterführend: pandas: melt, Identifikations- und Messvariablen

4. Ergebnis rückwärts prüfen und erst dann weiteranalysieren

Vergleiche für jede Kennung und jeden Zeitpunkt den ursprünglichen mit dem umgeordneten Wert. Kontrolliere zusätzlich die Zahl unterschiedlicher Personen, erwarteter Messungen und fehlender Angaben. Eine Rückumformung kann den Vergleich erleichtern; sortiere für ihn nach dem erklärten Schlüssel und nicht nach zufälliger Zeilenposition. Dokumentiere Abweichungen, bevor du Tests ausführst. Behalte Original, Verarbeitung und kontrolliertes Ergebnis unterscheidbar. Eine reversible Formänderung ist ein anderes Arbeitsergebnis als eine Tabelle nach fachlich begründeter Aggregation.

Der Statistik-Testfinder unterstützt anschließend die Analyseplanung mit Forschungsfrage und Variablenliste. Beschreibe Messzeitpunkte, Kennungen, Abhängigkeiten und Zielgröße, ohne vertrauliche Rohdaten einzufügen. Gleiche die Empfehlung mit deiner Zuordnungskarte ab. Das Tool formt keine Long-/Wide-Datei um und bestätigt keine korrekte Zuordnung deiner tatsächlichen Messungen. Diese Prüfung bleibt in deiner Datenverarbeitung. Verbindliche Hochschul- und Projektvorgaben bestimmen, welche Verarbeitung dokumentiert und welche Daten überhaupt weitergegeben werden dürfen.