R中的宽到长数据答案

【问题标题】：Wide to long data in RR中的宽到长数据
【发布时间】：2022-08-14 15:48:37
【问题描述】：

我在 R 中有以下数据：

structure(list(Name = 1:4, Paper1 = c(\"C1\", \"C1\", \"C1\", \"C1\"), 
Marks1 = 1:4, Paper2 = c(\"D1\", \"D1\", \"D1\", \"D1\"), Marks2 = 1:4, 
Paper3 = c(\"E1\", \"E1\", \"E1\", \"E1\"), Marks3 = 12:15), class = \"data.frame\", row.names = c(NA, -4L))

我想这样安排我的数据：

structure(list(Name = c(1L, 1L, 1L, 2L, 2L, 2L), Paper = c(\"C1\", 
\"D1\", \"E1\", \"C1\", \"D1\", \"E1\"), Marks = c(1L, 1L, 12L, 2L, 2L, 
13L)), class = \"data.frame\", row.names = c(NA, -6L))

我试过shape、melt，但两者都没有提供所需的输出。请提出解决方案。

输出数据中的名称 3 和 4 发生了什么变化？

标签： r data.table pivot reshape melt

【解决方案1】：

melt() 的一种选择：

library(data.table)
setDT(df)

melt(
  df, 
  id.vars      = 'Name', 
  measure.vars = patterns('^Paper', '^Marks'),
  value.name   = c('Paper', 'Marks')
)[order(Name), !'variable']

#     Name Paper Marks
#  1:    1    C1     1
#  2:    1    D1     1
#  3:    1    E1    12
#  4:    2    C1     2
#  5:    2    D1     2
#  6:    2    E1    13
#  7:    3    C1     3
#  8:    3    D1     3
#  9:    3    E1    14
# 10:    4    C1     4
# 11:    4    D1     4
# 12:    4    E1    15

【讨论】：

【解决方案2】：

对于较短的dplyr 选项，我们可以使用pivot_longer 使用names_sep-argument 和regex-look-around 来分隔数字之前。

library(dplyr)

df |> 
  pivot_longer(-Name, 
               names_to = c(".value", NA), 
               names_sep = "(?=\\d)")

.. 或者正如@Allan Cameron 在第五位分裂所指出的那样：names_sep = 5。

如果您想保留相应论文和分数的编号，您可以将names_to 中的NA 替换为您想要的列名。

输出：

# A tibble: 12 × 3
    Name Paper Marks
   <int> <chr> <int>
 1     1 C1        1
 2     1 D1        1
 3     1 E1       12
 4     2 C1        2
 5     2 D1        2
 6     2 E1       13
 7     3 C1        3
 8     3 D1        3
 9     3 E1       14
10     4 C1        4
11     4 D1        4
12     4 E1       15

【讨论】：

【解决方案3】：

tidyverse 方式。

df1 <-
  structure(list(
    Name = 1:4, 
    Paper1 = c("C1", "C1", "C1", "C1"), 
    Marks1 = 1:4, 
    Paper2 = c("D1", "D1", "D1", "D1"), 
    Marks2 = 1:4, 
    Paper3 = c("E1", "E1", "E1", "E1"), 
    Marks3 = 12:15), 
    class = "data.frame", row.names = c(NA, -4L))

df2 <-
  structure(list(
    Name = c(1L, 1L, 1L, 2L, 2L, 2L), 
    Paper = c("C1", "D1", "E1", "C1", "D1", "E1"), 
    Marks = c(1L, 1L, 12L, 2L, 2L, 13L)), 
    class = "data.frame", row.names = c(NA, -6L))


suppressPackageStartupMessages(library(tidyverse))

df1 %>%
  mutate(across(starts_with("Marks"), as.character)) %>%
  pivot_longer(-Name, names_to = "PM") %>%
  mutate(PM = gsub("\\d+", "", PM)) %>% 
  group_by(PM) %>%
  mutate(id = row_number()) %>% 
  pivot_wider(
    id_cols = c(id, Name),
    names_from = PM,
    values_from = value
  ) %>%
  select(-id)
#> # A tibble: 12 × 3
#>     Name Paper Marks
#>    <int> <chr> <chr>
#>  1     1 C1    1    
#>  2     1 D1    1    
#>  3     1 E1    12   
#>  4     2 C1    2    
#>  5     2 D1    2    
#>  6     2 E1    13   
#>  7     3 C1    3    
#>  8     3 D1    3    
#>  9     3 E1    14   
#> 10     4 C1    4    
#> 11     4 D1    4    
#> 12     4 E1    15

^{由reprex package (v2.0.1) 于 2022 年 8 月 1 日创建}

【讨论】：

【解决方案4】：

这是一个更简单的 tidyverse 解决方案

library(tidyverse)

df %>%
group_by(Name) %>%
  summarise(Paper = unlist(across(starts_with('Paper'), c)),
            Marks = unlist(across(starts_with('Marks'), c)))
#> # A tibble: 12 x 3
#> # Groups:   Name [4]
#>     Name Paper Marks
#>    <int> <chr> <int>
#>  1     1 C1        1
#>  2     1 D1        1
#>  3     1 E1       12
#>  4     2 C1        2
#>  5     2 D1        2
#>  6     2 E1       13
#>  7     3 C1        3
#>  8     3 D1        3
#>  9     3 E1       14
#> 10     4 C1        4
#> 11     4 D1        4
#> 12     4 E1       15

【讨论】：

【解决方案5】：

使用reshape 的基本 R 选项

reshape(
  df,
  direction = "long",
  idvar = "Name",
  varying = -1,
  v.names = c("Paper","Marks")
)

给

    Name time Paper Marks
1.1    1    1     1    C1
2.1    2    1     2    C1
3.1    3    1     3    C1
4.1    4    1     4    C1
1.2    1    2     1    D1
2.2    2    2     2    D1
3.2    3    2     3    D1
4.2    4    2     4    D1
1.3    1    3    12    E1
2.3    2    3    13    E1
3.3    3    3    14    E1
4.3    4    3    15    E1

【讨论】：

【解决方案6】：

另一种可能的解决方案，基于purrr::map2_dfr：

library(tidyverse)

map2_dfr(select(df, starts_with("Paper")), select(df, starts_with("Marks")),
         ~ tibble(Name = df$Name, Paper = .x, Marks = .y))

#> # A tibble: 12 × 3
#>     Name Paper Marks
#>    <int> <chr> <int>
#>  1     1 C1        1
#>  2     2 C1        2
#>  3     3 C1        3
#>  4     4 C1        4
#>  5     1 D1        1
#>  6     2 D1        2
#>  7     3 D1        3
#>  8     4 D1        4
#>  9     1 E1       12
#> 10     2 E1       13
#> 11     3 E1       14
#> 12     4 E1       15

【讨论】：

【解决方案7】：

另一个使用来自sjmisc 的to_long 的选项：

df <- structure(list(Name = 1:4, Paper1 = c("C1", "C1", "C1", "C1"), 
                     Marks1 = 1:4, Paper2 = c("D1", "D1", "D1", "D1"), Marks2 = 1:4, 
                     Paper3 = c("E1", "E1", "E1", "E1"), Marks3 = 12:15), class = "data.frame", row.names = c(NA, -4L))

library(sjmisc)
output <- to_long(df, 
        key = 'group', 
        values = c('Paper', "Marks"), 
        grep("Paper", names(df)),
        grep("Marks", names(df)),
        recode.key = TRUE)[,-2]
output[order(output$Name),]
#>    Name Paper Marks
#> 1     1    C1     1
#> 5     1    D1     1
#> 9     1    E1    12
#> 2     2    C1     2
#> 6     2    D1     2
#> 10    2    E1    13
#> 3     3    C1     3
#> 7     3    D1     3
#> 11    3    E1    14
#> 4     4    C1     4
#> 8     4    D1     4
#> 12    4    E1    15

^{由reprex package (v2.0.1) 于 2022 年 8 月 1 日创建}

【讨论】：

【解决方案8】：

另一种方法是从名称中删除 1，然后将它们与 rbind 堆叠在一起

colnames(df) <- (colnames(df) |> stringr::str_extract("\\D+"))


cbind(df[1], rbind(df[2:3],df[4:5],df[6:7]))

   Name Paper Marks
1     1    C1     1
2     2    C1     2
3     3    C1     3
4     4    C1     4
5     1    D1     1
6     2    D1     2
7     3    D1     3
8     4    D1     4
9     1    E1    12
10    2    E1    13
11    3    E1    14
12    4    E1    15

更少的硬编码

cbind(df[1],
      do.call(rbind,
              lapply(seq(0, ncol(df) - 2, 2 ), \(x) {
              colnames(df) <- strsplit(colnames(df), "\\d")
  df[x + 2:3]
})))

【讨论】：

【解决方案9】：

library(tidyverse)

pivot_longer(
  data = df
  cols = -Name, # choose all columns except the "Name" column
  names_to = c(".value", "No."), # new column names according to names_pattern
  names_pattern = "(.*)(\\d)" # separate into two parts, i.e. (string)(number)
)

【讨论】：