用于转换（传播）多列字符向量的优雅解决方案答案

【问题标题】：Elegant solution for casting (spreading) multiple columns of character vectors用于转换（传播）多列字符向量的优雅解决方案
【发布时间】：2019-08-06 10:57:16
【问题描述】：

我想将带有联系信息的数据框转换为包含类似信息的城市列表，例如电话号码出现在多列中。

我尝试过同时使用reshape2::dcast() 和tidyr::spread()，但都没有解决我的问题。我还检查了堆栈溢出的其他帖子，例如

Multiple column spread

尚未找到可行的解决方案。在我看来，这些问题应该相当简单（并且可以通过 spread 或 dcast 解决）。

tmp <- tibble(municipality = c("M1", "M2"), 
       name1 = c("n1", "n2"), name2 = c("n3", "n4"), name3 = c(NA, "n5"), # placeholder names
       phone1 = c("p1", "p2"), phone2 = c("p3", "p4"), phone3 = c(NA, "p5")) # placeholder phone numbers

#solution 1
tmp %>% gather("colname", "value", -municipality) %>% 
  filter(municipality == "M1") %>% #too simplify, should be replaced with group_by(municipality)
  na.omit() %>% mutate(colname = str_replace(colname, "\\d", replacement = "")) %>% 
  spread(., key = "colname", value = "value")

#Solution 2
tmp %>% gather("colname", "value", -municipality) %>% 
  filter(municipality == "M1") %>% # same as above
  na.omit() %>% mutate(colname = str_replace(colname, "\\d", replacement = "")) %>% 
  dcast(municipality + value ~colname)

解决方案 1 导致以下错误：错误：每行输出必须由唯一的键组合标识。

解决方案 2 产生以下数据框（这是所需的结果，但需要折叠）：

  municipality value name phone
1           M1    n1   n1  <NA>
2           M1    n3   n3  <NA>
3           M1    p1 <NA>    p1
4           M1    p3 <NA>    p3

【问题讨论】：

标签： r tidyr spread dcast

【解决方案1】：

你在找吗？

library(dplyr)
library(tidyr)

tmp %>%
  gather(key, value, -municipality, na.rm = TRUE) %>%
  mutate(key = gsub("\\d+", "", key)) %>%
  group_by(municipality, key) %>%
  mutate(row = row_number()) %>%
  spread(key, value) %>%
  select(-row)

# municipality name  phone
# <chr>        <chr> <chr>
#1 M1           n1    p1   
#2 M1           n3    p3   
#3 M2           n2    p2   
#4 M2           n4    p4   
#5 M2           n5    p5

我们可以使用gather 以删除NA 值的长格式数据。从各个列名中删除数字，使它们共享相同的key，创建列group_bymunicipality 和key 将spread 数据转换为宽格式。

【讨论】：

没错！您介意解释一下为什么需要按键分组并变异添加行号吗？
@KennethEnevoldsen 因为我们需要的spread 列没有通用标识符。如果我们不这样做，我们会得到一个错误。 tmp %>% gather(key, value, -municipality, na.rm = TRUE) %>% mutate(key = gsub("\\d+", "", key)) %>% spread(key, value)

【解决方案2】：

我们可以使用 tidyr 开发版中的 pivot_longer 优雅地做到这一点

library(dplyr)
library(tidyr)# 0.8.3.9000
library(stringr)
tmp %>%
   rename_at(-1,  ~str_replace(., "(\\d+$)", "_\\1")) %>%
   pivot_longer(cols = -municipality, names_to = c(".value", "group"), 
        names_sep="_", values_drop_na = TRUE) %>%
   select(-group)
# A tibble: 5 x 3
#  municipality name  phone
#  <chr>        <chr> <chr>
#1 M1           n1    p1   
#2 M1           n3    p3   
#3 M2           n2    p2   
#4 M2           n4    p4   
#5 M2           n5    p5

或者另一个选项是melt from data.table

library(data.table)
melt(setDT(tmp), measure = patterns("^name", "^phone"), 
   value.name = c("name", "phone"), na.rm = TRUE)[, variable := NULL][]
#.  municipality name phone
#1:           M1   n1    p1
#2:           M2   n2    p2
#3:           M1   n3    p3
#4:           M2   n4    p4
#5:           M2   n5    p5

【讨论】：