过滤来自另一个数据帧的两部分响应数据并连接两个数据帧

Question

我有一个调查问题，格式为：“你喜欢玫瑰还是郁金香？想象玫瑰有 V1 和 V2 的颜色，而郁金香有 V3 和 V4 的颜色”

实际颜色来自一个数据帧中包含的组合：

数据帧 1 (df1)：

structure(list(V1 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("red", "ruby"), class = "factor"), 
V2 = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L,
1L, 1L, 2L, 2L, 2L, 2L), .Label = c("blue", "violet"), class = "factor"), 
V3 = structure(c(1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 
2L, 2L, 1L, 1L, 2L, 2L), .Label = c("green", "turqoise"), class = "factor"), 
V4 = structure(c(2L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 
2L, 1L, 2L, 1L, 2L, 1L), .Label = c("black", "yellow"), class = "factor")), .Names = c("V1", 
"V2", "V3", "V4"), class = "data.frame", row.names = c(NA, -16L
))

在此数据帧 (df1) 中，前两列（V1 和 V2）对应于“玫瑰”，最后两列（V3 和 V4）对应于“郁金香”。例如，可以向受访者显示 df1 第一行的组合 1，即“红蓝绿黄”。这意味着受访者可以选择“红色和蓝色的玫瑰”或“绿色和黄色的郁金香”。

受访者做出的选择包含在单独的数据框 (df2) 中。 df2 每个颜色组合都有一列。如果受访者 1 看到 df1 中的第一个组合（“红蓝绿黄”）并选择了一个郁金香（即绿色和黄色），则选择在第一行标记为“2”（郁金香，即第二朵花） df2。如果受访者 2 看到了 df1 中的第二个组合（“红蓝绿黑”）并选择了一朵玫瑰（即红色和蓝色），则选择在第二行标记为“1”（代表玫瑰，即第一朵花） df2。换句话说，“2”表示“选择了郁金香，没有选择了玫瑰”，而“1”表示了“选择了玫瑰，没有选择了郁金香”。

数据框 2 (df2)：

structure(list(respondentID = 1:16, v1 = c(2L, NA, NA, NA, NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), v2 = c(NA, NA, NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), v3 = c(NA, 
NA, NA, NA, NA, NA, 1L, NA, NA, NA, NA, NA, NA, NA, NA, NA), 
    v4 = c(NA, NA, NA, 2L, NA, NA, NA, NA, NA, NA, 1L, 2L, NA, 
    NA, NA, NA), v5 = c(NA, NA, 1L, NA, NA, NA, NA, NA, NA, NA, 
    NA, NA, NA, NA, NA, NA), v6 = c(NA, 2L, NA, NA, NA, NA, NA,
    NA, NA, 1L, NA, NA, NA, NA, NA, NA), v7 = c(NA, NA, NA, NA, 
    1L, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), v8 = c(NA, 
    NA, NA, NA, NA, 1L, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA
    ), v9 = c(NA, NA, NA, NA, NA, NA, NA, 2L, NA, NA, NA, NA, 
    NA, NA, NA, NA), v10 = c(NA, NA, NA, NA, NA, NA, NA, NA, 
    NA, NA, NA, NA, NA, NA, NA, NA), v11 = c(NA, NA, NA, NA, 
    NA, NA, NA, NA, 1L, NA, NA, NA, NA, NA, NA, NA), v12 = c(NA, 
    NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 1L, NA, NA, NA
    ), v13 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
    NA, 1L, NA, NA), v14 = c(NA, NA, NA, NA, NA, NA, NA, NA, 
    NA, NA, NA, NA, NA, NA, NA, NA), v15 = c(NA, NA, NA, NA, 
    NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), v16 = c(NA, 
    NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 2L
    )), .Names = c("respondentID", "v1", "v2", "v3", "v4", "v5",
"v6", "v7", "v8", "v9", "v10", "v11", "v12", "v13", "v14", "v15", 
"v16"), class = "data.frame", row.names = c(NA, -16L))

如果我只想知道选择了哪种花和颜色，我可以使用：

df1_with_id <- df1 %>% 
  setNames(paste0("color", 1:4)) %>%
  mutate(combo = paste0("v", row_number()))

result_df <- df2 %>%
  gather(key = combo, value = val, -respondentID) %>%
  filter(!is.na(val)) %>%
  left_join(df1_with_id, by = "combo") %>%
  arrange(respondentID)

(As per this question)

但这并没有给我我需要的格式。我需要在单独的行中显示给每个受访者的两个选项（即“玫瑰是 V1 和 V2”和“郁金香是 V3 和 V4”）的信息，以及一个指示两个选项之间选择的附加变量，如下所示： Desired result

（图中choice变量中的“1”表示被访者选择的选项，“0”表示未选择的选项。）

我不太清楚如何编写代码以这种方式组织数据。有什么建议吗？

Answer 1

这里的主要问题是df1 中的每一列都表示两种信息：花型和颜色编号。所以重命名它们以包含这两个信息，将它们收集到一列中，将键列分成flower 和color 列，然后展开color 列。然后你只需要将val 转换为1，如果它匹配flower 列，否则0。

df2 %>%
  gather(key = combo, value = val, -respondentID) %>%
  filter(!is.na(val)) %>%
  left_join(df1_with_id, by = "combo") %>%
  arrange(respondentID) %>% 
  rename(rose_color1 = color1, rose_color2 = color2,
         tulip_color1 = color3, tulip_color2 = color4) %>% 
  gather(color, value, rose_color1:tulip_color2) %>% 
  separate(color, into = c('flower', 'color')) %>% 
  spread(color, value) %>% 
  mutate(val = if_else(val == 1, 'rose', 'tulip')) %>% 
  mutate(val = if_else(val == flower, 1, 0)) %>% 
  select(respondentID, flower, color1, color2, choice = val)