R：完成一个添加了新列的数据集

Question

我有一个如下所示的数据集：

（可视化下面的数据集可能有助于您理解问题）

original <- data.frame(
  ID = c(rep("John", 4), "Steve"),
  A = as.integer(c(rep(3, 4), 1)),
  b = c(2, 3, 4, 2, 2),
  B = c(rep(4, 4), 2),
  detail1 = c("Yes", "Sure", "No", "Yes", "Yes"),
  detail2 = c(rep("Unique1", 4), "Unique2")
)

A、B 和 b 中的值都是整数。变量b 在这个数据集中是不完整的，它实际上有从1 到B 的值。

我需要添加一个新变量a 来完成这个数据集，完成的数据集将如下所示：

completed1 <- data.frame(
  ID = c(rep("John", 12), rep("Steve", 2)),
  a = c(rep(1, 4), rep(2, 4), rep(3, 4), rep(1, 2)),
  A = c(rep(3, 12), rep(1, 2)),
  b = c(rep(1:4, 3), 1, 2),
  B = c(rep(4, 12), rep(2, 2)),
  detail1 = c("Absence", "Yes", "Sure", "No", "Absence", "Yes", rep("Absence", 7), "Yes"),
  detail2 = c(rep("Unique1", 12), rep("Unique2", 2))
)

a 中的值也是整数，a 的值从 1 到 A 的值。 请注意 b 嵌套在 a。

我认为以这种方式完成数据集最相关的函数是tidyr::complete()和tidyr::expand()，但它们只能完成现有变量中的值组合，不能添加新列（变量）。

我知道挑战在于有多个位置可以在 detail1 对应新添加的值 a 通过嵌套关系，例如完成的数据集也可以是这样的：

completed2 <- data.frame(
  ID = c(rep("John", 12), rep("Steve", 2)),
  a = c(rep(1, 4), rep(2, 4), rep(3, 4), rep(1, 2)),
  A = c(rep(3, 12), rep(1, 2)),
  b = c(rep(1:4, 3), 1, 2),
  B = c(rep(4, 12), rep(2, 2)),
  detail1 = c("Absence", "Yes", rep("Absence", 4), "Sure", "Absence", "Absence", "Yes", "Absence", "No", "Absence", "Yes"),
  detail2 = c(rep("Unique1", 12), rep("Unique2", 2))
)

我想按照上面completed1的逻辑完成数据集：detail1中的值先去a中的最小值，如果b中出现重复值（例如@ 987654343@ in b under John in original dataset)，重复的值转到a中的下一个值。

可以这样做吗？

我的实际数据集比这个例子有更多的变量，完成的数据集将有超过 700,000 行，所以我更喜欢快速的方法来自动化它。

非常感谢！！！

Answer 1

如果不符合您的目的，请告诉我。

comp_dummy <- original %>%
  group_by(ID) %>%
  expand(A = A, a = 1:A, B = B, b = 1:B)


dummy <- original %>%
  group_by(ID, A,b,B, detail1) %>%
  mutate(a = 1:n())

  ID        A     b     B detail1 detail2     a
  <chr> <int> <dbl> <dbl> <chr>   <chr>   <int>
1 John      3     2     4 Yes     Unique1     1
2 John      3     3     4 Sure    Unique1     1
3 John      3     4     4 No      Unique1     1
4 John      3     2     4 Yes     Unique1     2
5 Steve     1     2     2 Yes     Unique2     1

comp_dummy %>%
  full_join(dummy, by = c("ID","A","a","B","b")) %>%
  group_by(ID) %>%
  mutate(detail2 = unique(detail2[!is.na(detail2)]),
         detail1 = replace_na(detail1, "Absence")) 

   ID        A     a     B     b detail1 detail2
   <chr> <int> <int> <dbl> <dbl> <chr>   <chr>  
 1 John      3     1     4     1 Absence Unique1
 2 John      3     1     4     2 Yes     Unique1
 3 John      3     1     4     3 Sure    Unique1
 4 John      3     1     4     4 No      Unique1
 5 John      3     2     4     1 Absence Unique1
 6 John      3     2     4     2 Yes     Unique1
 7 John      3     2     4     3 Absence Unique1
 8 John      3     2     4     4 Absence Unique1
 9 John      3     3     4     1 Absence Unique1
10 John      3     3     4     2 Absence Unique1
11 John      3     3     4     3 Absence Unique1
12 John      3     3     4     4 Absence Unique1
13 Steve     1     1     2     1 Absence Unique2
14 Steve     1     1     2     2 Yes     Unique2