从宽到长重塑调查数据集答案

【问题标题】：reshape survey data set from wide to long从宽到长重塑调查数据集
【发布时间】：2018-05-14 13:17:54
【问题描述】：

我有一个这样的调查数据集：

df <- data.frame(
  employment = 0.45,
  income = 0.3,
  incomeFU1 = 0.4,
  married = 0.1,
  employmentFU1 = 0.7,
  employmentFU2 = 0.8,
  incomeFU2 = 0.8,
  smokingFU1 = 0.6,
  smokingFU3 = 0.1,
  ageFU3 = 0.9,
  marriedFU2 = 0.3
)

在这个数据集中，人们被问及他们的就业状况、收入等。数据是一个汇总级别的数据，可以将其视为所有就业人口的比例、平均收入等。因此数据集只有一条线。

在基线和 3 次随访中询问了本调查中的个人。基线变量没有结尾字符串，后续答案有一个结尾，如后续 1 的“FU1”等等。

我现在有了这些变量的第二个列表：

l <- list()
l[[1]] <- c("employment", "income", "married")
l[[2]] <- c("employmentFU1", "incomeFU1", "smokingFU1")
l[[3]] <- c("employmentFU2", "incomeFU2", "marriedFU2")
l[[4]] <- c("smokingFU3", "ageFU3")

第一个列表项有基线变量，第二个列表项有后续 1 个变量，第三个有后续 2 个等等。

请注意，有些变量在 2 或 3 次（有时甚至是全部）后续行动中可用，有些只出现一次。

我现在想根据列表变量将这个数据框重塑为矩阵或数据框，如下所示：

employment      income         married              NA          NA
employmentFU1   incomeFU1           NA      smokingFU1          NA
employmentFU2   incomeFU2   marriedFU2              NA          NA
           NA          NA           NA      smokingFU3      ageFU3

此矩阵中的行数是列表元素的数量，在本例中为 4。

我尝试了类似的方法，但没有走多远：

m <- matrix()
m[1,1] <- df[, l[[1]][1]]
m[1,2] <- l[[2]][str_detect(l[[1]][1], l[[2]])]

【问题讨论】：

应该smokingFU3 位于第四行（而不是示例中的第三行）？
@storaged 你是对的，对不起，我更正了
我只是好奇，下面的解决方案对你有用吗？

标签： r dplyr tidyr

【解决方案1】：

这就是我尝试使用stringr 解决该问题的方法。可能存在更有效的东西

library(stringr)
table <- str_match(unlist(l), "(.*?)($|FU[0-9]+?)")
table[table==""] <- "FU0" ## "" is problematic

m <- matrix(NA, length(unique(table[,3])), length(unique(table[,2])))
colnames(m) <- unique(table[,2])
rownames(m) <- unique(table[,3])

foo <- apply(table, 1, function(row) m[row[3],row[2]] <<- row[1])

print(m)
#    employment      income      married      smoking      age
#FU0 "employment"    "income"    "married"    NA           NA
#FU1 "employmentFU1" "incomeFU1" NA           "smokingFU1" NA
#FU2 "employmentFU2" "incomeFU2" "marriedFU2" NA           NA
#FU3 NA              NA          NA           "smokingFU3" "ageFU3"

【讨论】：