R通过匹配改变多列答案

【问题标题】：R Mutating multiple columns with matchingR通过匹配改变多列
【发布时间】：2020-12-25 10:26:24
【问题描述】：

我正在处理一个适合我的研究的大型数据集。假设我有 4 个观察值（记录）和 5 列如下：

x <- data.frame("ID" = c(1, 2, 3, 4),
                "group1" = c("A", NA, "B", NA), 
                "group2" = c("B", "A", NA, "C"),
                "hours1" = c(3, NA, 5, NA),
                "hours2" = c(1, 2, NA, 5))

> x
ID group1 group2 hours1 hours2
 1      A      B      3      1
 2   <NA>      A     NA      2
 3      B   <NA>      5     NA
 4   <NA>      C     NA      5

“group1”和“group2”是参考列，包含A、B和C的字符值，最后两列“hours1”和“hours2”显然是数字表示小时。

“group1”列对应“hours1”列；同样，“group2”对应“hours 2”。

我想根据与“hours1”和“hours2”的值匹配的参考列的值A、B和C创建多个列，如下所示：

ID group1 group2 hours1 hours2  A  B  C
 1      A      B      3      1  3  1 NA
 2   <NA>      A     NA      2  2 NA NA
 3      B   <NA>      5     NA NA  5 NA
 4   <NA>      C     NA      5 NA NA  5

例如，ID 1 在“group1”中有 A，对应于在“A”列下的“hours1”中的 3。 ID 3 在“group1”中有 B，对应于在“B”列下的“hours1”中的 5。在“组 2”中，ID 4 有 C，对应于“C”列下的 hours2 中的 5。

有没有办法使用 R 来做到这一点？

【问题讨论】：

标签： r dplyr

【解决方案1】：

一种方法是将所有“小时”列合并到一个列中，将“组”列合并到另一列中。这可以使用pivot_longer 来完成。之后我们可以得到宽格式的数据，并与原始数据连接。

library(dplyr)
library(tidyr)

x %>%
  pivot_longer(cols = -ID, 
               names_to = c('.value'), 
               names_pattern = '(.*?)\\d+', 
               values_drop_na = TRUE) %>%
  pivot_wider(names_from = group, values_from = hours) %>%
  left_join(x, by = 'ID') %>%
  select(ID, starts_with('group'), starts_with('hour'), everything())

# A tibble: 4 x 8
#     ID group1 group2 hours1 hours2     A     B     C
#  <dbl> <chr>  <chr>   <dbl>  <dbl> <dbl> <dbl> <dbl>
#1     1 A      B           3      1     3     1    NA
#2     2 NA     A          NA      2     2    NA    NA
#3     3 B      NA          5     NA    NA     5    NA
#4     4 NA     C          NA      5    NA    NA     5

对于 OP 的数据集，我们可以稍微修改代码以达到预期的效果。

zz %>%
  pivot_longer(cols = -id, 
               names_to = c('.value'), 
               names_pattern = '(.*)_', 
               values_drop_na = TRUE) %>%
  arrange(fu2a) %>%
  pivot_wider(names_from = fu2a, values_from = fu2b) %>%
  left_join(zz, by = 'id') %>%
  select(id, starts_with('fu2a'), starts_with('fu2b'), everything())

【讨论】：

它适用于示例，因此我将此脚本应用于我的数据并稍作修改（即 ID --> id; 转换为 data.frame），但随后出现错误消息：“错误：无法组合 fu2a_1 和 fu2b_1 。”如果您不介意，我将使用 dput(df[1:7, 1:7]) 更新帖子。
@toumai 将pivot_longer 中的names_pattern 部分更改为names_pattern = '(.*)_' 并保持其他所有内容相同。
有效！太感谢了！！！我还有一个问题。新列可以按顺序排列吗？
他们现在在 [PERP 01]` [PERP 03] NA [PERP 05] [PERP 02]... 但想成为 [PERP 01]` [PERP 02] [PERP 03] ...
是的，我们可以在使用pivot_wider之前arrange他们。检查答案中的更新。

【解决方案2】：

使用dplyr 的另一种方法可以分离组和小时变量以计算所需变量，然后与原始x 合并：

library(tidyverse)
#Data
x <- data.frame("ID" = c(1, 2, 3, 4),
                "group1" = c("A", NA, "B", NA), 
                "group2" = c("B", "A", NA, "C"),
                "hours1" = c(3, NA, 5, NA),
                "hours2" = c(1, 2, NA, 5),stringsAsFactors = F)
#Reshape
x %>% 
  left_join(x %>% select(1:3) %>%
              pivot_longer(cols = -ID) %>% 
              group_by(ID) %>% mutate(id=1:n()) %>%
              left_join(x %>% select(c(1,4:5)) %>%
                          pivot_longer(cols = -ID) %>%
                          rename(name2=name,value2=value) %>%
                          group_by(ID) %>% mutate(id=1:n())) %>%
              filter(!is.na(value)) %>% select(ID,value,value2) %>%
              pivot_wider(names_from = value,values_from=value2))

输出：

  ID group1 group2 hours1 hours2  A  B  C
1  1      A      B      3      1  3  1 NA
2  2   <NA>      A     NA      2  2 NA NA
3  3      B   <NA>      5     NA NA  5 NA
4  4   <NA>      C     NA      5 NA NA  5

【讨论】：