合并R中的多个变量答案

【问题标题】：Merge multiple variables in R合并R中的多个变量
【发布时间】：2017-11-13 18:26:19
【问题描述】：

我有一个数据集，相同的变量包含在每个主题的不同列中。我想将它们合并到相同的列。

例如：，我有这个数据框，并且有三个 DV，但它们针对不同的主题位于不同的列（A、B、C）中。

data.frame(ID = c(1,2,3), DV1_A=c(1,NA,NA), DV1_B= c(NA,4,NA), DV1_C = c(NA,NA,5), DV2_A=c(3,NA,NA), DV2_B=c(NA,3,NA), DV2_C=c(NA,NA,5), FACT = c("A","B","C"))

如何将它们合并为两列？所以结果是：

data.frame(ID = c(1,2,3), DV1_A=c(1,NA,NA), DV1_B= c(NA,4,NA), DV1_C = c(NA,NA,5), DV2_A=c(3,NA,NA), DV2_B=c(NA,3,NA), DV2_C=c(NA,NA,5), FACT = c("A","B","C"), DV_1 = c(1,4,5), DV_2 = c(3,3,5))

【问题讨论】：

标签： r dataframe

【解决方案1】：

您可以从dplyr 使用coalesce：

library(dplyr)

df %>%
  mutate(DV_1 = coalesce(DV1_A, DV1_B, DV1_C),
         DV_2 = coalesce(DV2_A, DV2_B, DV2_C))

如果您有很多 DV 列要组合，您可能不想键入所有列名。在这种情况下，您可以先grep 每个DV 的列名，用rlang::syms 将每个名称解析为符号，然后拼接（!!!）coalesce 中的符号（来自@hadley 的建议）：

library(rlang)
var_quo1 = syms(grep("DV1", names(df), value = TRUE))
var_quo2 = syms(grep("DV2", names(df), value = TRUE))

df %>%
  mutate(DV_1 = coalesce(!!! var_quo1),
         DV_2 = coalesce(!!! var_quo2))

如果相反，您有大量 DV's，您甚至可能不想输入所有 coalesce 行，在这种情况下，您可以创建一个输出一个的函数DV 列给定一个输入数字和lapply + bind_col 一起：

DV_combine = function(num_DVs){

  DV_name = sym(paste0("DV", num_DVs))
  DV_syms = syms(grep(paste0("DV", num_DVs), names(df), value = TRUE))

  df %>%
    transmute(!!DV_name := coalesce(!!! DV_syms))
}

bind_cols(df, lapply(1:2, DV_combine))

结果：

  ID DV1_A DV1_B DV1_C DV2_A DV2_B DV2_C FACT DV_1 DV_2
1  1     1    NA    NA     3    NA    NA    A    1    3
2  2    NA     4    NA    NA     3    NA    B    4    3
3  3    NA    NA     5    NA    NA     5    C    5    5

注意：

此方法适用于numeric 和character 类列，但不适用于factor。在使用此方法之前，应首先将factor 列转换为字符。

数据：

df = structure(list(ID = c(1, 2, 3), DV1_A = c(1, NA, NA), DV1_B = c(NA, 
4, NA), DV1_C = c(NA, NA, 5), DV2_A = c(3, NA, NA), DV2_B = c(NA, 
3, NA), DV2_C = c(NA, NA, 5), FACT = structure(1:3, .Label = c("A", 
"B", "C"), class = "factor")), .Names = c("ID", "DV1_A", "DV1_B", 
"DV1_C", "DV2_A", "DV2_B", "DV2_C", "FACT"), row.names = c(NA, 
-3L), class = "data.frame")

【讨论】：

一般来说，我建议不要将数据帧拼接到带有!!! 的调用中。最好在变量名中拼接
感谢@hadley 的建议，但您的意思是像greping colnames，解析为quosures，然后与!!! 拼接？我试图利用starts_with，但是是的，我同意拼接整个数据帧可能不是一个好主意。
是的，没错。主要挑战是select() 语法非常好，以至于您想在采用... 的矢量化函数中使用它，但目前没有很好的方法。

【解决方案2】：

您也可以通过gather 和spread 以及tidyr 和dplyr 执行此操作。不如@user 的解决方案简洁，但如果您需要进行任何中间操作，可能会很有用。

library(dplyr)
library(tidyr)

df %>% 
  gather(variable, value, -ID, -FACT, na.rm = TRUE) %>% 
  mutate(variable = gsub("\\_[A-Z]", "", variable)) %>% 
  spread(variable, value) %>% 
  left_join(df)

  ID FACT DV1 DV2 DV1_A DV1_B DV1_C DV2_A DV2_B DV2_C
1  1    A   1   3     1    NA    NA     3    NA    NA
2  2    B   4   3    NA     4    NA    NA     3    NA
3  3    C   5   5    NA    NA     5    NA    NA     5

【讨论】：

【解决方案3】：

基础transform 会这样做：

d <- transform(d, 
               DV1 = rowSums(d[c("DV1_A", "DV1_B", "DV1_C")], na.rm=T),
               DV2 = rowSums(d[c("DV2_A", "DV2_B", "DV2_C")], na.rm=T)
          )

【讨论】：

【解决方案4】：

当您可以使用已经提到的 coalesce 函数时，这会起作用，但不是一个非常优雅的解决方案：

library(dplyr)
test <- df %>% group_by(ID) %>% summarise(DV1 = ifelse(!is.na(DV1_A),paste(DV1_A),ifelse(!is.na(DV1_B),paste(DV1_B),ifelse(!is.na(DV1_C),paste(DV1_C),""))), DV2 = ifelse(!is.na(DV2_A),paste(DV2_A),ifelse(!is.na(DV2_B),paste(DV2_B),ifelse(!is.na(DV2_C),paste(DV2_C),""))))

【讨论】：

【解决方案5】：

另一个类似于@userR 的解决方案，但不是单独创建每一列，而是创建一个表达式列表，这些表达式可以一次全部计算。它可能仍然遭受与 cmets 中提到的相同的“不要将数据帧拼接到带有 !!! 的调用中”的错误，因为它使用了 select(.)，但我想我还是会发布。

library(rlang)
library(dplyr)

df <- data.frame(ID = c(1,2,3), DV1_A=c(1,NA,NA), 
                 DV1_B= c(NA,4,NA), DV1_C = c(NA,NA,5), 
                 DV2_A=c(3,NA,NA), DV2_B=c(NA,3,NA), 
                 DV2_C=c(NA,NA,5), FACT = c("A","B","C"))

create_DV <- function(num) {
  DV_name <- sym(paste0("DV_", num))
  DV_char <- paste0("DV", num)

  expr(!! DV_name := select(., contains(!! DV_char)) %>% rowSums(na.rm = TRUE))
}

DV_expr_list <- c(1,2) %>% 
  lapply(create_DV)

df %>%
  mutate(
    !!! DV_expr_list
  )
#>   ID DV1_A DV1_B DV1_C DV2_A DV2_B DV2_C FACT DV_1 DV_2
#> 1  1     1    NA    NA     3    NA    NA    A    1    3
#> 2  2    NA     4    NA    NA     3    NA    B    4    3
#> 3  3    NA    NA     5    NA    NA     5    C    5    5

【讨论】：

【解决方案6】：

为了完整起见，这里还有一个data.table 解决方案，使用melt() 同时重塑两个度量变量：

library(data.table)
cols <- c("DV1", "DV2")
melt(setDT(DF), measure.vars = patterns(cols), value.name = cols, na.rm = TRUE)[
  , -"variable"]

   ID FACT DV1 DV2
1:  1    A   1   3
2:  2    B   4   3
3:  3    C   5   5

现在，按照 OP 的要求，这六列已合并为两列。

但是，OP 提供了一个带有预期结果的 data.frame，其中新列附加到现有列。这可以通过将上述结果与原始数据框连接来实现：

 setDT(DF)[melt(DF, measure.vars = patterns(cols), value.name = cols, na.rm = TRUE)[
  , -"variable"], on = .(ID, FACT)]

   ID DV1_A DV1_B DV1_C DV2_A DV2_B DV2_C FACT DV1 DV2
1:  1     1    NA    NA     3    NA    NA    A   1   3
2:  2    NA     4    NA    NA     3    NA    B   4   3
3:  3    NA    NA     5    NA    NA     5    C   5   5

【讨论】：