问题描述
-------------------新帖子： 我过去发布过不正确的数据示例（将其留在下面）。实际上，我的数据在同一列下有重复的“模块”，以前的解决方案对我的问题不起作用。
我的示例数据（当前数据集）：
Year <- c("2013","2020","2015","2012")
Grade <- c(28,39,76,54)
Code <- c("A","B","C","A")
Module1 <- c("English","English","Science","English")
Results1 <- c(45,58,34,54)
Module2 <- c("History","History","Art")
Results2 <- c(12,67,98,45)
Module3 <- c("Art","Geography","Math","Geography")
Results3 <- c(89,84,45,67)
Module14 <- c("Math","Art")
Results14 <- c(89,24,95,67)
Module15 <-c("Science","Art","Science")
Results15 <-c(87,25,67)
daf <- data.frame(Id,Year,Grade,Code,Module1,Results1,Module2,Results2,Module3,Results3,Module14,Results14,Module15,Results15)
我的目标 - 我需要实现的数据集：
Year <- c("2013","A")
English <- c(45,NA,54)
Math <- c(89,NA)
Science <- c(87,67)
Geography <- c(NA,67)
Art <- c(89,45)
wished_df <- data.frame(Id,English,Math,Science,Geography,Art)
再次感谢您的帮助！
-------------------------------- 旧帖子： 我正在尝试将当前数据重塑为新格式。
Module1 <- c("English","Geography")
Results1 <- c(45,54)
Module2 <- c("Math",45)
Module3 <- c("History",67)
daf <- data.frame(Module1,Results3)
我需要的是将模块名称设置为“变量名称”，并将模块结果设置为“变量名称的值”，如下所示：
English1 <- c(45,45)
Math1 <- c(58,12,NA)
Science1 <- c(34,NA)
Geography1 <- c(54,67)
Art1 <- c(NA,84)
wished_df <- data.frame(English1,Math1,Science1,Geography1,Art1)
感谢您的任何想法。
解决方法
1) reshape 使用末尾注释中的数据，将输入列名称分成两组（模块列和结果列），给出 varying。使用该重塑为长格式，其中 varying= 定义输入中的哪些列对应于长格式中的单个列。 v.names= 指定用于从不同列生成的两列中的每一列的名称。 reshape 将给出一个包含时间、模块、结果和 id 列的数据框。我们不需要 id 列，因此使用 [-4] 删除它。
然后将其重新塑造回新的宽幅形式。 idvar= 指定输出行的来源，timevar= 指定输出列的来源。其他一切都是结果的主体。 reshape 将生成一个我们不需要的时间列，因此使用 [-1] 将其删除。最后我们删除了每个列名的垃圾部分。
没有使用任何包。
varying <- split(names(daf),sub("\\d+$","",names(daf)))
long <- reshape(daf,dir = "long",varying = varying,v.names = names(varying))[-4]
wide <- reshape(long,dir = "wide",idvar = "time",timevar = "Module")[-1]
names(wide) <- sub(".*[.]",names(wide))
给予：
> wide
English Math Science Geography History Art
1.1 45 58 34 54 NA NA
1.2 98 12 NA NA 67 45
1.3 45 NA NA 67 89 84
2) pivot_ 使用最后的注释中的数据，指定要使用所有列，使用 .names 指定长格式的列名取自输入的列名的第一部分，其中输入的名称根据 names_pattern= 正则表达式进行拆分。然后转到一个新的宽格式，其中列名取自模块列，结果正文中的值取自结果列。索引列将定义行，之后可以省略。
library(dplyr)
library(tidyr)
daf %>%
pivot_longer(everything(),names_to = c(".value","index"),names_pattern = "(\\D+)(\\d+)") %>%
pivot_wider(names_from = Module,values_from = Results) %>%
select(-index)
给予：
# A tibble: 3 x 6
English Math History Art Science Geography
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 45 58 NA NA 34 54
2 98 12 67 45 NA NA
3 45 NA 89 84 NA 67
3) unlist/tapply U使用末尾注释中的数据，可以通过单独取消列出 Module 和 Results 列来获得长格式并使用 tapply 转换为另一种基本解决方案宽形式。没有使用包
is_mod <- grepl("Module",names(daf))
long <- data.frame(Module = unlist(daf[is_mod]),Results = unlist(daf[!is_mod]))
tab <- tapply(long$Results,list(sub("\\d+$",rownames(long)),long$Module),sum)
as.data.frame.matrix(tab)
给予：
Art English Geography History Math Science
Module1 NA 45 54 NA 58 34
Module2 45 98 NA 67 12 NA
Module3 84 45 67 89 NA NA
注意
Module1 <- c("English","Math","Science","Geography")
Results1 <- c(45,58,34,54)
Module2 <- c("Math","History","English","Art")
Results2 <- c(12,67,98,45)
Module3 <- c("History","Art","Geography")
Results3 <- c(89,84,45,67)
daf <- data.frame(Module1,Results1,Module2,Results2,Module3,Results3)
data.table 版本：
library(data.table)
library(magrittr)
dt <- as.data.table(daf)
dt %>%
melt.data.table(measure.vars = patterns("^Module","^Result")) %>%
dcast.data.table(variable ~ ...,value.var = "value2")
给予：
Key: <variable>
variable Art English Geography History Math Science
<fctr> <num> <num> <num> <num> <num> <num>
1: 1 NA 45 54 NA 58 34
2: 2 45 98 NA 67 12 NA
3: 3 84 45 67 89 NA NA