将没有“timevar”的数据帧从长格式转换为宽格式答案

【问题标题】：Transpose / reshape dataframe without "timevar" from long to wide format将没有“timevar”的数据帧从长格式转换为宽格式
【发布时间】：2021-10-08 18:09:10
【问题描述】：

我有一个遵循以下长模式的数据框：

   Name          MedName
  Name1    atenolol 25mg
  Name1     aspirin 81mg
  Name1 sildenafil 100mg
  Name2    atenolol 50mg
  Name2   enalapril 20mg

并且想得到下面（我不在乎我是否可以这样命名列，只想要这种格式的数据）：

   Name   medication1    medication2      medication3
  Name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
  Name2 atenolol 50mg enalapril 20mg             NA

通过这个网站，我已经熟悉了 reshape/reshape2 包，并且已经尝试了几次试图让它工作，但到目前为止都失败了。

当我尝试dcast(dataframe, Name ~ MedName, value.var='MedName') 时，我只得到一堆作为药物名称标志的列（转置的值为 1 或 0）示例：

 Name  atenolol 25mg  aspirin 81mg
Name1              1             1
Name2              0             0

我在融化数据集后也尝试了dcast(dataset, Name ~ variable)，但这只是吐出以下内容（只计算每个人有多少药物）：

 Name  MedName
Name1        3
name2        2

最后，我尝试融合数据，然后使用 idvar="Name" timevar="variable" （其中所有只是医学名称）重塑数据，但这似乎不是针对我的问题，因为如果有多个匹配的 idvar， reshape 只取第一个 MedName 并忽略其余部分。

有谁知道如何使用 reshape 或其他 R 函数来做到这一点？我意识到可能有一种方法可以通过一些 for 循环和条件来以更混乱的方式执行此操作，以基本上拆分和重新粘贴数据，但我希望有一个更简单的解决方案。非常感谢！

【问题讨论】：

标签： r reshape transpose r-faq

【解决方案1】：

使用data.table 包，可以使用新的rowid 函数轻松解决此问题：

library(data.table)
dcast(setDT(d1), 
      Name ~ rowid(Name, prefix = "medication"), 
      value.var = "MedName")

给出：

   Name    medication1     medication2       medication3
1 Name1  atenolol 25mg    aspirin 81mg  sildenafil 100mg
2 Name2  atenolol 50mg  enalapril 20mg              <NA>

另一种方法（1.9.7版本之前常用）：

dcast(setDT(d1)[, rn := 1:.N, by = Name], 
      Name ~ paste0("medication",rn), 
      value.var = "MedName")

给出相同的结果。

类似的方法，但现在使用 dplyr 和 tidyr 包：

library(dplyr)
library(tidyr)
d1 %>%
  group_by(Name) %>%
  mutate(rn = paste0("medication",row_number())) %>%
  spread(rn, MedName)

给出：

Source: local data frame [2 x 4]
Groups: Name [2]

    Name   medication1    medication2      medication3
  (fctr)         (chr)          (chr)            (chr)
1  Name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
2  Name2 atenolol 50mg enalapril 20mg               NA

【讨论】：

【解决方案2】：

假设您的数据在对象dataset：

library(plyr)
## Add a medication index
data_with_index <- ddply(dataset, .(Name), mutate, 
                         index = paste0('medication', 1:length(Name)))    
dcast(data_with_index, Name ~ index, value.var = 'MedName')

##    Name   medication1    medication2      medication3
## 1 Name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
## 2 Name2 atenolol 50mg enalapril 20mg             <NA>

【讨论】：

这个解决方案有小问题。当列数超过 10 列时，以 strage 方式排序。例如开始medication1,medication10,medication11,medication12,...,medication2。如何解决排序问题？

【解决方案3】：

在使用reshape 之前，您始终可以生成唯一的timevar。这里我使用ave 来应用函数seq_along 'along' 每个“名称”。

test <- data.frame(
Name=c(rep("name1",3),rep("name2",2)),
MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
          "atenolol 50mg","enalapril 20mg")
)

# generate the 'timevar'
test$uniqid <- with(test, ave(as.character(Name), Name, FUN = seq_along))

# reshape!
reshape(test, idvar = "Name", timevar = "uniqid", direction = "wide")

结果：

   Name     MedName.1      MedName.2        MedName.3
1 name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
4 name2 atenolol 50mg enalapril 20mg             <NA>

【讨论】：

感谢您的帮助，这有效。我对这些列的担心是，在我的实际数据集中，我有一个不断变化的药物数量和名称，因此声明 MedName=c(All the names) 可能有点多，但我感谢您的帮助，并将可能在其他问题上使用此方法。
@Hotamd6 - 无需手动指定所有名称 - 您只需对 gsub("MedName.","medication",names(reshapedtestdata),fixed=TRUE) 等数据集名称进行查找和替换即可获得与上述 @mnel 相同的结果。

【解决方案4】：

这似乎实际上是一个相当普遍的问题，所以我在“splitstackshape”包中包含了一个名为getanID 的函数。

它的作用如下：

library(splitstackshape)
getanID(test, "Name")
#     Name          MedName .id
# 1: name1    atenolol 25mg   1
# 2: name1     aspirin 81mg   2
# 3: name1 sildenafil 100mg   3
# 4: name2    atenolol 50mg   1
# 5: name2   enalapril 20mg   2

由于“data.table”与“splitstackshape”一起加载，您可以访问dcast.data.table，因此您可以按照@mnel 的示例进行操作。

dcast.data.table(getanID(test, "Name"), Name ~ .id, value.var = "MedName")
#     Name             1              2                3
# 1: name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
# 2: name2 atenolol 50mg enalapril 20mg               NA

该函数本质上实现了一个sequence(.N)，由标识的组创建“时间”列。

【讨论】：

【解决方案5】：

@thelatemail 的解决方案与此类似。当我生成时间变量时，我使用rle，以防我不以交互方式工作并且Name 变量需要是动态的。

# start with your example data
x <- 
    data.frame(
        Name=c(rep("name1",3),rep("name2",2)),
        MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
            "atenolol 50mg","enalapril 20mg")
    )

# pick the id variable
id <- 'Name'

# sort the data.frame by that variable
x <- x[ order( x[ , id ] ) , ]

# construct a `time` variable on the fly
x$time <- unlist( lapply( rle( as.character( x[ , id ] ) )$lengths , seq_len ) )

# `reshape` uses that new `time` column by default
y <- reshape( x , idvar = id , direction = 'wide' )

# done
y

【讨论】：

我不确定我是否理解您关于在“名称”变量需要动态时使用 rle 的评论。 @thelatemail 的解决方案不是也允许这种灵活性（并且不必先对数据进行排序）吗？
@AnandaMahto 也许你是对的..我想你可以在第二行使用id <- 'Name'，然后再使用as.character(get(id))，然后其余的都是动态的。

【解决方案6】：

一个干净的解决方案涉及来自tidyr 包版本1.1.0 的非常有用的pivot_wider 函数。这样，您还可以使用参数names_glue 直接指定列名。

library(tidyr)
library(dplyr)

dataframe %>% 
  group_by(Name) %>% 
  mutate(row_n = row_number()) %>% 
  pivot_wider(id_cols = Name, names_from = row_n, values_from = MedName, names_glue = "medication{row_n}")

输出

# A tibble: 2 x 4
# Groups:   Name [2]
#   Name  medication1   medication2    medication3     
#   <chr> <chr>         <chr>          <chr>           
# 1 Name1 atenolol 25mg aspirin 81mg   sildenafil 100mg
# 2 Name2 atenolol 50mg enalapril 20mg NA

【讨论】：

【解决方案7】：

带有chop() 和unnest_wider() 的tidyr 解决方案。

library(tidyr)

df %>%
  chop(-Name) %>%
  unnest_wider(MedName, names_sep = "")

# # A tibble: 2 x 4
#   Name  MedName1      MedName2       MedName3        
#   <chr> <chr>         <chr>          <chr>           
# 1 Name1 atenolol 25mg aspirin 81mg   sildenafil 100mg
# 2 Name2 atenolol 50mg enalapril 20mg NA

参数names_sep = "" 是必要的；否则，新列名称将为..1、..2 和..3。

数据

df <- structure(list(Name = c("Name1", "Name1", "Name1", "Name2", "Name2"
), MedName = c("atenolol 25mg", "aspirin 81mg", "sildenafil 100mg", 
"atenolol 50mg", "enalapril 20mg")), class = "data.frame", row.names = c(NA, -5L))

【讨论】：

【解决方案8】：

这是一个更短的方法，利用unlist 处理名称的方式：

library(dplyr)
df1 %>% group_by(Name) %>% do(as_tibble(t(unlist(.[2]))))
# # A tibble: 2 x 4
# # Groups:   Name [2]
#      Name      MedName1       MedName2         MedName3
#     <chr>         <chr>          <chr>            <chr>
#   1 name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
#   2 name2 atenolol 50mg enalapril 20mg             <NA>

【讨论】：