如何将宽的连续数据重塑为长的分类数据？答案

【问题标题】：How to reshape wide continuous data into long categorical data?如何将宽的连续数据重塑为长的分类数据？
【发布时间】：2017-11-24 14:11:22
【问题描述】：

我的数据采用以下宽格式，根据SUBJECT_ID 成行，总共观察变量X 和Y，然后是各种元数据列，例如SUBJECT_BIRTHYEAR，SUBJECT_HOMETOWN：

variableX    variableY    SUBJECT_ID     SUBJECT_BIRTHYEAR     SUBJECT_HOMETOWN
2            1            A              1950                  Townsville
1            2            B              1951                  Villestown

我想将这些转换为以下长格式，其中对于每个变量 X 和 Y 的每个观察变量 SUBJECT_ID：

VARIABLE     SUBJECT_ID     SUBJECT_BIRTHYEAR     SUBJECT_HOMETOWN
X            A              1950                  Townsville
X            A              1950                  Townsville
Y            A              1950                  Townsville
X            B              1951                  Villestown
Y            B              1951                  Villestown
Y            B              1951                  Villestown

具体到我的问题是如何将连续变量的 n 个观察值转换为 n 行分类数据。

【问题讨论】：

Reshaping data.frame from wide to long format的可能重复
@duckmayr 是的，它们是类似的问题，但具体到我的问题是如何将连续变量的 n 观察值转换为 n 分类数据行。我已对我的问题进行了编辑以明确这一点。

标签： r dataframe reshape

【解决方案1】：

试试下面的

数据

df <- read.table(text="variableX    variableY    SUBJECT_ID     SUBJECT_BIRTHYEAR     SUBJECT_HOMETOWN
2            1            A              1950                  Townsville
1            2            B              1951                  Villestown", header=TRUE)

解决方案

library(tidyverse)
result <- df %>%
        nest(variableX, variableY, .key="VARIABLE") %>%
        mutate(VARIABLE = map(VARIABLE, function(i) {
                                    vec <- unlist(i)
                                    rep(gsub("variable", "", names(vec)), times=vec)
                                })) %>%
        unnest()

# A tibble: 6 x 4
  # SUBJECT_ID SUBJECT_BIRTHYEAR SUBJECT_HOMETOWN VARIABLE
      # <fctr>             <int>           <fctr>    <chr>
# 1          A              1950       Townsville        X
# 2          A              1950       Townsville        X
# 3          A              1950       Townsville        Y
# 4          B              1951       Villestown        X
# 5          B              1951       Villestown        Y
# 6          B              1951       Villestown        Y

【讨论】：

非常感谢您的回答！澄清一点：是否可以将其作为一个函数来实现（所以我可以在多个数据帧的列表上调用它）或者%>% 的处理方式是否存在冲突？我没有成功，不知道为什么。
%>% 可能不是问题，而是如何处理列名。您可以在 non-standard evaluation 上查找以前的帖子或作为另一个问题发布。

【解决方案2】：

问题要求反转对dcast() 的调用，该调用使用length() 作为聚合函数将数据从长格式重新调整为宽格式。

这可以通过调用melt() 加上一些额外的转换来实现：

library(data.table)
# reshape wide back to long format
long <- melt(setDT(wide), measure.vars = c("variableX", "variableY"))[
  # undo munging of variable names
  , variable := stringr::str_replace(variable, "^variable", "")][]
# undo effect of aggregation by length()
result <- long[long[, rep(.I, value)]][
  # beautify result
  order(SUBJECT_ID), !"value"]
result

   SUBJECT_ID SUBJECT_BIRTHYEAR SUBJECT_HOMETOWN variable
1:          A              1950       Townsville        X
2:          A              1950       Townsville        X
3:          A              1950       Townsville        Y
4:          B              1951       Villestown        X
5:          B              1951       Villestown        Y
6:          B              1951       Villestown        Y

.I 是一个特殊符号，用于保存行位置，即行索引。

为了证明这确实是逆运算，result 可以再次整形以重现wide：

dcast(result, ... ~ paste0("variable", variable), length, value.var = "variable")

   SUBJECT_ID SUBJECT_BIRTHYEAR SUBJECT_HOMETOWN variableX variableY
1:          A              1950       Townsville         2         1
2:          B              1951       Villestown         1         2

数据

library(data.table)
wide <- fread("variableX    variableY    SUBJECT_ID     SUBJECT_BIRTHYEAR     SUBJECT_HOMETOWN
2            1            A              1950                  Townsville
1            2            B              1951                  Villestown")

【讨论】：

【解决方案3】：

这是一个使用base R的选项

res <- cbind(VARIABLE = rep(substr(names(df1)[1:2], 9, 9)[row(df1[1:2])], t(df1[1:2])), 
        df1[rep(seq_len(nrow(df1)), rowSums(df1[1:2])), -(1:2)])
row.names(res) <- NULL
res
#   VARIABLE SUBJECT_ID SUBJECT_BIRTHYEAR SUBJECT_HOMETOWN
#1        X          A              1950       Townsville
#2        X          A              1950       Townsville
#3        Y          A              1950       Townsville
#4        X          B              1951       Villestown
#5        Y          B              1951       Villestown
#6        Y          B              1951       Villestown

【讨论】：