基于查找表使用 dplyr 重新编码矩阵值答案

【问题标题】：Recode matrix values with dplyr based on look-up table基于查找表使用 dplyr 重新编码矩阵值
【发布时间】：2020-09-18 07:37:07
【问题描述】：

我有一个矩阵，其中包含大量案例和问卷中的相应答案。下面的强简化示例 (raw_responses) 包含 5 个人对 5 个项目的答案。让我们假设这些是多项选择项，每个选项有 4 个可能的答案。如果该项目未处理，则此人收到代码 9。

raw_responses <- data.frame('id' = 1:10,
                            'item_1' =  sample(c(1:4,9), 10, replace = TRUE),
                            'item_2' =  sample(c(1:4,9), 10, replace = TRUE),
                            'item_3' =  sample(c(1:4,9), 10, replace = TRUE),
                            'item_4' =  sample(c(1:4,9), 10, replace = TRUE),
                            'item_5' =  sample(c(1:4,9), 10, replace = TRUE))

正确答案存储在反映整个测试设计的单独表格中。下面又是一个强烈简化的变体（设计），只有项目名称和相应的正确答案。

design <- data.frame('item' = c('item_1','item_2','item_3','item_4','item_5'),
                     'key' = sample(1:4, 5, replace = TRUE))

最后，目标是一个带有得分答案的表格。正确答案用 1 编码，错误答案用 0 编码，“空”答案用 99 编码。这适用于下面的 for 循环。

scored_responses <- raw_responses
for(item in colnames(raw_responses)[2:6]) {
  scored_responses[, item] <- ifelse(scored_responses[, item] == design[design$item == item, 'key'], 1, 
                                     ifelse(scored_responses[, item] == 9, 99, 0))
}

但是，我想知道这是否可以与 dplyr（包括 case_when）和可能发出咕噜声的更有效变体一起使用。特别是因为在较长的 dplyr 管道的帮助下清理了非常广泛的答案表，如果可以在其中建立评分将是一个优势。

提前感谢您提供的所有想法和提示。

【问题讨论】：

标签： r dplyr recode

【解决方案1】：

获取长格式数据、连接、重新编码值并以宽格式获取数据。

library(dplyr)
library(tidyr)

raw_responses %>%
  pivot_longer(cols = -id, names_to = 'item') %>%
  left_join(design, by = 'item') %>%
  mutate(value = case_when(value == 9 ~ 99,
                           value == key ~ 1, 
                           TRUE ~ 0)) %>%
  select(-key) %>%
  pivot_wider(names_from = 'item')

# A tibble: 10 x 6
#      id item_1 item_2 item_3 item_4 item_5
#   <int>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
# 1     1     99     99      1      0      0
# 2     2     99     99     99      0      0
# 3     3      1     99      0     99     99
# 4     4      0      1      1     99      1
# 5     5     99      0      1      0      1
# 6     6      0      1      0      0      1
# 7     7      0      0      0      1     99
# 8     8      1     99      0      0      0
# 9     9      0     99     99      0      1
#10    10     99      1     99      1      0

另一种无需将数据转换为宽格式的方法是使用来自purrr 的map2_dfc：

library(purrr)
map2_dfc(raw_responses[-1], design$key, ~case_when(.x == 9 ~ 99,
                                                   .x == .y ~ 1, 
                                                   TRUE ~ 0))

但是，要使此答案起作用，我们需要确保 raw_responses 和 design$item 中的列名顺序相同。在这个例子中，它们已经处于相同的顺序，但是，在真实数据中，如果它们不是，我们可以通过这样做来实现它：

raw_responses[-1] <- raw_responses[-1][design$key]

【讨论】：