根据条件扩展为宽格式

Question

我有一个长数据集，看起来像这样

ID <- c("A","A","A","A","A","A","A","A","A","B","B","B","B","B","B","B","B","B","B")
Year <- c(1,2,3,4,5,6,7,8,9,
          1,2,3,4,4,5,6,7,8,9)
treatID <- c(NA,NA,NA,"CCQ_A",NA,NA,"CCQ_C",NA,NA,
             NA,"CCQ+A",NA,"IOT+B","CCQ_K",NA,NA,"IOT_B",NA,NA)
SecondID <- c(NA,NA,NA,"CCQ",NA,NA,"CCQ",NA,NA,
              NA,"CCQ",NA,"IOT","CCQ",NA,NA,"IOT",NA,NA)
cond <- c(NA,NA,NA,0,NA,NA,0,NA,NA,
          NA,1,NA,1,1,NA,NA,1,NA,NA)
val <- c(NA,NA,NA,3,NA,NA,2,NA,NA,
         NA,3,NA,4,5,NA,NA,1,NA,NA)
df <- data.frame(ID,Year,treatID,SecondID,cond, val)

按ID分组，我想根据以下条件创建一个宽数据集：

1) 如果cond!=1 数据应该基于变量treatID 进行传播，（并包括val 分数）

2) 如果cond==1 数据应该基于变量SecondID 进行传播（并包括val 分数）

最终的数据集应该是这样的

ID <- c("A","A","A","A","A","A","A","A","A","B","B","B","B","B","B","B","B","B")
Year <- c(1,2,3,4,5,6,7,8,9,
          1,2,3,4,5,6,7,8,9)
CCQ_A <- c(NA,NA,NA,3,NA,NA,NA,NA,NA,
           NA,NA,NA,NA,NA,NA,NA,NA,NA)
CCQ_C <- c(NA,NA,NA,NA,NA,NA,2,NA,NA,
            NA,NA,NA,NA,NA,NA,NA,NA,NA)
S_ID_CCQ <-c(NA,NA,NA,NA,NA,NA,NA,NA,NA,
           NA,3,NA,NA,5,NA,NA,NA,NA)
S_ID_IOT <-c(NA,NA,NA,NA,NA,NA,NA,NA,NA,
             NA,NA,NA,4,NA,NA,NA,1,NA)
final <- data.frame(ID,Year,CCQ_A,CCQ_C,S_ID_CCQ, S_ID_IOT)

请不要添加S_ID 来识别哪些列一直在使用SecondID 变量进行分类

我可以在一个条件wide<- df %>% group_by(ID) %>% spread (treatID, val) 下进行传播，但我不确定如何处理多个条件。

另外，请注意，当涉及到 Year 和 ID 标识符时，df 包含一些重复的观察结果（即 ID=B 和 Year=4 有两行），而最终数据集只有一个观察结果ID=B 和 Year=4。这不是这个问题的基本要素，但如果你也能帮助我，那就太好了

我希望这很清楚

非常感谢您的帮助

Answer 1

@Alex，希望这可能会有所帮助。对此可能有多种策略。一种方法是使用两个 pivot_longer 语句并连接生成的数据帧。

下面是另一种方式，您首先使用pivot_longer，这样您就可以将所有ID 放在一个列中。然后，您可以根据条件筛选以选择具有treatID 或SecondID 的行。

最后，您可以使用pivot_wider 来获取您需要的列。

library(tidyverse)

df %>%
  pivot_longer(cols = c(treatID, SecondID), names_to = "ID_Type", values_to = "ID_Value", names_repair = "minimal") %>%
  filter(if_else(cond != 1 | is.na(cond), ID_Type == "treatID", ID_Type == "SecondID")) %>%
  pivot_wider(id_cols = c("ID", "Year", "cond"), names_from = c("ID_Type", "ID_Value"), values_from = "val") %>%
  select(-c(cond, treatID_NA))

这与您的示例数据一起给出了这些结果：

# A tibble: 18 x 6
   ID     Year treatID_CCQ_A treatID_CCQ_C SecondID_CCQ SecondID_IOT
   <fct> <dbl>         <dbl>         <dbl>        <dbl>        <dbl>
 1 A         1            NA            NA           NA           NA
 2 A         2            NA            NA           NA           NA
 3 A         3            NA            NA           NA           NA
 4 A         4             3            NA           NA           NA
 5 A         5            NA            NA           NA           NA
 6 A         6            NA            NA           NA           NA
 7 A         7            NA             2           NA           NA
 8 A         8            NA            NA           NA           NA
 9 A         9            NA            NA           NA           NA
10 B         1            NA            NA           NA           NA
11 B         2            NA            NA            3           NA
12 B         3            NA            NA           NA           NA
13 B         4            NA            NA            5            4
14 B         5            NA            NA           NA           NA
15 B         6            NA            NA           NA           NA
16 B         7            NA            NA           NA            1
17 B         8            NA            NA           NA           NA
18 B         9            NA            NA           NA           NA

我注意到的几件事：

第一，根据数据，ID == B 和 Year == 4 and Year == 7 有几个值，看起来与您的结果不同。

其次，您可以用不同的方式处理重复的观察结果。你想怎么对付他们？你想要的结果是什么？