正如我在评论中指出的那样，问题中没有足够的细节来制定真正的答案。由于您甚至需要帮助甚至找到正确的术语并提出您的问题，所以我可以简要概括一下。

您正在寻找的术语是数据清理。这是获取原始、格式不正确（脏）的数据并将其成形以进行分析的过程。更改和规范格式（“二”）以及重新组织行和列是典型的数据清理任务。 $\rightarrow 2$

从某种意义上说，数据清理可以在任何软件中完成，可以使用 Excel 或 R 完成。这两种选择各有利弊：

• Excel： Excel 几乎可以肯定是数据清理的最常见选择（请参阅 R fortunes #59 pdf）。统计学家也认为这是一个糟糕的选择。主要原因是很难确保您已经捕获了所有内容，或者您​​对所有内容都一视同仁，并且没有记录您所做的更改，因此您以后无法重新访问这些更改。使用 Excel 的好处是可以更轻松地查看您在做什么，而且您无需了解太多即可进行更改。（统计学家会认为后者是一个额外的骗局。）

• R： R 需要陡峭的学习曲线。如果您对 R 或编程不是很熟悉，那么在 Excel 中可以非常快速轻松地完成的事情将会使您在 R 中尝试感到沮丧。另一方面，如果您必须再次这样做，那么学习将是时间花得很好。此外，编写和保存代码以清理 R 中的数据的能力将减轻上面列出的缺点。以下是一些链接，可帮助您开始在 R 中完成这些任务：

  您可以在Stack Overflow上获得很多有用的信息：

  • 如何在 R 中重新排序列？
  • R：如何根据另一个行重新排列矩阵、data.frame 或向量的行？

  Quick-R也是一种宝贵的资源：

  • 排序

  让数字进入数字模式：

  • 将写入的数字转换为 R 中的数字
  • ?strtoi是一个专门的函数，用于在必要时从十六进制等转换

  另一个了解 R 的宝贵资源是UCLA 的统计帮助网站：

  • 使用因子变量（对于您的“大部分同意”等）

  最后，你总能在老旧的谷歌上找到很多信息：

  • 这个搜索：r 中的数据清理，带来了许多教程（我都没有学习过，FTR）。

更新：当您对每个“研究单位”（在您的情况下是一个人）进行多次测量时，这是关于数据集结构的常见问题。如果每个人都有一行，则称您的数据为“宽”形式，但是例如，您的响应变量必须有多个列。另一方面，您的响应变量可以只有一列（但结果是每人多行），在这种情况下，您的数据被称为“长”形式。在这两种格式之间移动通常被称为“重塑”数据，尤其是在 R 世界中。

• 标准的 R 函数是?reshape。UCLA 的统计帮助网站上 有使用指南。reshape()
• 很多人认为reshape很难合作。 Hadley Wickham提供了一个名为reshape2的包，旨在简化该过程。Hadley 的 reshape2 个人网站在这里，Quick-R 概述在这里，这里有一个好看的教程。
• SO上有很多关于如何重塑数据的问题。他们中的大多数都是关于从广泛到长期的，因为这通常是数据分析师面临的问题。您的问题是关于从长到宽的问题，这种情况不太常见，但是仍然有很多线程，您可以通过此搜索查看它们。
• 如果您决定尝试使用 Excel 执行此操作，这里有一个关于为 Excel 编写 VBA 宏以复制重塑功能的线程：使用 VBA 在 Excel 中融化/重新塑造？

尝试使用 R 进行以下操作：

> ddf
   sess_id user_id     quest  response
1        1       a       age        29
2        1       a satisfied  st_agree
3        1       a    gender      male
4        1       a     phone    iphone
5        2       a       age        29
6        2       a satisfied not_agree
7        2       a    gender    female
8        2       a     phone    iphone
9        3       b       age        29
10       3       b satisfied     agree
11       3       b    gender      male
12       3       b     phone   android
> 
> library(reshape2)
> dcast(ddf, sess_id+user_id ~ quest, value.var='response')
  sess_id user_id age gender   phone satisfied
1       1       a  29   male  iphone  st_agree
2       2       a  29 female  iphone not_agree
3       3       b  29   male android     agree

在 Scala 中，这称为“爆炸”操作，可以在数据帧上完成。如果你的数据是一个rdd，你首先通过命令转换为dataFrame toDF，然后使用.explode方法。