R 长到宽格式因子级别作为二进制变量和日期答案

【问题标题】：R long to wide format factor levels as binary variables and datesR 长到宽格式因子级别作为二进制变量和日期
【发布时间】：2018-11-30 09:45:57
【问题描述】：

我想将 long 转换为宽格式并将因子 Levels 用作二进制变量。这意味着，如果因子 Level 至少存在一次，那么变量中应该有 1。否则为 0。此外，我希望将日期作为变量值 date.1、date.2、...

我拥有的是以下

data_sample <- data.frame(
  PatID  = c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 3L, 3L),
  date   = c("2016-12-14", "2017-02-04", "NA", "NA", "2012-27-03", "2012-04-21", "2010-02-03", "2011-03-05", "2014-08-25"),
  status = c("COPD", "CPOD", "NA", "NA", "Cardio", "CPOD", "Cardio", "Cardio", "Cerebro")
)

我想要的是：

PatID  COPD Cardio Cerebro date.COPD.1 date.COPD.2 date.Cardio.1  date.Cardio.2  date.Cerebro.1
1        1    0       0    2016-12-14  2017-02-04     NA               NA          NA
2        0    1       0      NA           NA        2012-03-27         NA          NA 
3        1    1       1    2012-04-21     NA        2010-02-03    2011-03-05      2014-08-25

【问题讨论】：

标签： r format reshape dcast spread

【解决方案1】：

需要采取一些步骤，但这应该会为您提供所需的输出。

但是请注意，输入数据中似乎有一个错字：我假设您的意思是 "COPD" 而不是 "CPOD"，因为这是您预期的输出告诉我的。

第一步是使字符串"NA"成为一个明确的缺失值，即NA。

data_sample[data_sample == "NA"] <- NA

现在使用data.table::dcast 进行整形。

library(data.table)  
setDT(data_sample)

# create id column
data_sample[, id := rowid(status), by = PatID]
dt1 <- dcast(data_sample[!is.na(date)], PatID ~ status, fun.aggregate = function(x) +any(x))
dt2 <- dcast(data_sample[!is.na(date)], PatID ~ paste0("date_", status) + id, value.var = "date")

最后加入两个data.tables

out <- dt1[dt2, on = 'PatID']
out
#  PatID Cardio Cerebro COPD date_COPD_1 date_COPD_2 date_Cardio_1 date_Cardio_2 date_Cerebro_1
#1:     1      0       0    1  2016-12-14  2017-02-04          <NA>          <NA>           <NA>
#2:     2      1       0    0        <NA>        <NA>    2012-27-03          <NA>           <NA>
#3:     3      1       1    1  2012-04-21        <NA>    2010-02-03    2011-03-05     2014-08-25

数据

data_sample <- data.frame(
  PatID   = c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 3L, 3L),
  date = c("2016-12-14", "2017-02-04", "NA", "NA", "2012-27-03", "2012-04-21", "2010-02-03", "2011-03-05", "2014-08-25"),
  status =c("COPD", "COPD", "NA", "NA", "Cardio", "COPD", "Cardio", "Cardio", "Cerebro"))

【讨论】：