用多列重塑数据答案

【问题标题】：Reshaping data with multiple columns用多列重塑数据
【发布时间】：2021-01-22 15:23:58
【问题描述】：

我将如何重塑这种数据？这只是我数据的一小部分，真实的数据集要长得多。因此，非常感谢任何长度的自动化解决方案。

data <- data.frame(id = c(1,2,3),
                   volume_1 = c(0.33, 0.58, 0.2),
                   name_1 = c("a", "b","c"),
                   volume_2 = c(0.3, 0.4, 0.5),
                   name_2 = c("x", "y", "z")
)
data

 id volume_1 name_1 volume_2 name_2
1  1     0.33      a      0.3      x
2  2     0.58      b      0.4      y
3  3     0.20      c      0.5      z

到这里：

foo <- data.frame(id = c(1,2,3),
                  a = c(0.33, 0, 0),
                  b = c(0, 0.58, 0),
                  c = c(0, 0, 0.2),
                  x = c(0.3, 0, 0),
                  y = c(0, 0.4, 0),
                  z = c(0, 0, 0.5)
)
foo

 id    a    b   c   x   y   z
1  1 0.33 0.00 0.0 0.3 0.0 0.0
2  2 0.00 0.58 0.0 0.0 0.4 0.0
3  3 0.00 0.00 0.2 0.0 0.0 0.5

我知道 pivot_longer() 或 pivot_wider() 以及 reshape 包，但我不确定如何使用数据集中的任何长度来完成此操作。

【问题讨论】：

标签： r dataframe reshape

【解决方案1】：

试试这个：

library(dplyr)
library(tidyr)
#Code
new <- data %>%
  pivot_wider(names_from = starts_with('name'),values_from=starts_with('volume'),
              values_fill = 0)

输出：

# A tibble: 3 x 7
     id volume_1_a_x volume_1_b_y volume_1_c_z volume_2_a_x volume_2_b_y volume_2_c_z
  <dbl>        <dbl>        <dbl>        <dbl>        <dbl>        <dbl>        <dbl>
1     1         0.33        0              0            0.3          0            0  
2     2         0           0.580          0            0            0.4          0  
3     3         0           0              0.2          0            0            0.5

【讨论】：

【解决方案2】：

你想要的是一个双 reshape，使用 gsub 清理名称，并将 NAs 设置为零。

r <- reshape(reshape(data, idvar="id", varying=list(c(2, 4), c(3, 5)), direction="long"),
             idvar="id", timevar="name_1", drop="time", direction="wide")
names(r) <- gsub("volume_1.", "", names(r))
r[is.na(r)] <- 0
r
#     id    a    b   c   x   y   z
# 1.1  1 0.33 0.00 0.0 0.3 0.0 0.0
# 2.1  2 0.00 0.58 0.0 0.0 0.4 0.0
# 3.1  3 0.00 0.00 0.2 0.0 0.0 0.5

【讨论】：