如何将多行拉入列？

Question

考虑以下数据框：

data_frame(
col1 = c("2017", "June",   "New", 10, 30),
col2 = c("2018", "July",   "Old", 20, 50),
name = c(NA, NA, NA, "dog", "cat")
)

# A tibble: 5 x 3
  col1  col2  name 
1 2017  2018  NA   
2 June  July  NA   
3 New   Old   NA   
4 10    20    dog  
5 30    50    cat  

我想把它转换成这个输出：

## Year Month  Type name Amount
## 2017 June   New  dog  10
## 2018 July   Old  dog  20
## 2017 June   New  cat  30
## 2018 July   Old  cat  50

我尝试过更长时间地使用枢轴，但它很难处理多个 行 以及处理 NA 的死区。

Answer 1

我通过识别 3 种类型的数据来解决这个问题，这些数据都被粉碎到一个数据框中，然后将它们分开。就像上面的 @jdobres 所说，这可能不会超出这个玩具示例，但应该是一个开始。

据我所知，您可以根据col1 中的正则表达式搜索提取 3 种类型的数据：

1. 年份，由 ^20\\d{2}$ 标识（如果包含 19xx 年等，则需要调整
2. 月份，由非数字字符标识
3. 名称，由col1 中的值类型或非NA name 标识

过滤并重塑它们，使它们的数据与您想要的输出中显示的形状相匹配：

library(dplyr)
library(tidyr)

yrs_df <- df %>% 
  filter(grepl("^20\\d{2}$", col1)) %>%
  gather(key, value = year) %>%
  filter(!is.na(year))

name_df <- df %>%
  filter(!is.na(name)) %>%
  gather(key, value, -name)

第二次重新调整月份，因为 month 和 type 在同一列中，并且还想将它们分开。

month_df <- df %>%
  filter(grepl("^\\D", col1)) %>%
  mutate(col_type = row_number()) %>%
  gather(key, value, -col_type) %>%
  filter(!is.na(value)) %>%
  spread(key = col_type, value, sep = "") %>%
  rename(month = col_type1, type = col_type2)

yrs_df
#> # A tibble: 2 x 2
#>   key   year 
#>   <chr> <chr>
#> 1 col1  2017 
#> 2 col2  2018
name_df
#> # A tibble: 4 x 3
#>   name  key   value
#>   <chr> <chr> <chr>
#> 1 dog   col1  10   
#> 2 cat   col1  30   
#> 3 dog   col2  20   
#> 4 cat   col2  50
month_df
#> # A tibble: 2 x 3
#>   key   month type 
#>   <chr> <chr> <chr>
#> 1 col1  June  New  
#> 2 col2  July  Old

然后按键连接所有内容（也可以使用purrr::reduce，因为所有连接都在同一列上）

yrs_df %>%
  inner_join(month_df, by = "key") %>%
  inner_join(name_df, by = "key")
#> # A tibble: 4 x 6
#>   key   year  month type  name  value
#>   <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 col1  2017  June  New   dog   10   
#> 2 col1  2017  June  New   cat   30   
#> 3 col2  2018  July  Old   dog   20   
#> 4 col2  2018  July  Old   cat   50

综上所述——这里可能存在一个更大的问题，它会像这样将你的所有数据混在一起，而这些数据可以在上游进一步解决。