[英]How do I use tidyr to fill in completed rows within each value of a grouping variable?
假设我有关于在多个选项之间进行选择的人的数据。 我每人有一排,我希望每人有一排和选择。 所以,如果我有10个人有3个选择,现在我有10行,我想有30个。
应将所有其他变量复制到每个新行。 因此,例如,如果我有一个性别变量,那么它应该在ID内保持不变。 (我以这种方式设置我的数据以使用mnlogit
进行分析。)
这似乎是两个tidyr
函数, complete
和fill
的设计的情况。 使用一个简单的例子:
library(lubridate)
library(tidyr)
dat <- data.frame(
id = 1:3,
choice = 5:7,
c = c(9, NA, 11),
d = ymd(NA, "2015-09-30", "2015-09-29")
)
dat %>%
complete(id, choice) %>%
fill(everything())
# Source: local data frame [9 x 4]
#
# id choice c d
# (int) (int) (dbl) (time)
# 1 1 5 9 <NA>
# 2 1 6 9 <NA>
# 3 1 7 9 <NA>
# 4 2 5 9 <NA>
# 5 2 6 9 2015-09-30
# 6 2 7 9 2015-09-30
# 7 3 5 9 2015-09-30
# 8 3 6 9 2015-09-30
# 9 3 7 11 2015-09-29
但这有一些问题 - d的值正确地结转,但ID 1的c值取代了ID 2的(正确的)NA值。
我可以尝试一种解决方法,比如用999替换所有缺失的值,运行complete
和fill
,然后用NA替换999。 (我想我必须将日期变量转换为字符变量,然后再转换它们,如果我走这条路线的话。)但也许这里有人知道用tidyr
做一个整洁的方法吗?
编辑:这里所需的输出是:
# Source: local data frame [9 x 4]
#
# id c d choice
# (int) (dbl) (time) (int)
# 1 1 9 <NA> 5
# 2 1 9 <NA> 6
# 3 1 9 <NA> 7
# 4 2 NA 2015-09-30 5
# 5 2 NA 2015-09-30 6
# 6 2 NA 2015-09-30 7
# 7 3 11 2015-09-29 5
# 8 3 11 2015-09-29 6
# 9 3 11 2015-09-29 7
作为@jeremycg的更新答案。 从tidyr 0.5.1
(或者甚至是版本0.4.0
)起, c()
不再起作用了。 使用nesting()
代替:
dat %>%
complete(nesting(id, c, d), choice)
注意我正在尝试编辑@jeremycg的答案,因为答案在编写时是正确的(因此不需要新的答案)但不幸的是编辑被拒绝了。
您可以使用c()
完成“分组”事务的技巧。 这使得它只能使用预先存在的分组变量组合来完成。
library(tidyr)
dat %>% complete(c(id, c, d), choice)
id c d choice
(int) (dbl) (time) (int)
1 1 9 <NA> 5
2 1 9 <NA> 6
3 1 9 <NA> 7
4 2 NA 2015-09-30 5
5 2 NA 2015-09-30 6
6 2 NA 2015-09-30 7
7 3 11 2015-09-29 5
8 3 11 2015-09-29 6
9 3 11 2015-09-29 7
我认为你最好在准备数据时保持数据分离,然后在需要进行回归之前进行合并。
subjectdata <- dat[,c("id", "c", "d")]
questiondata <- dat[,c("id", "choice")] %>% complete(id, choice)
然后
> merge(questiondata, subjectdata)
id choice c d
1 1 5 9 <NA>
2 1 6 9 <NA>
3 1 7 9 <NA>
4 2 5 NA 2015-09-30
5 2 6 NA 2015-09-30
6 2 7 NA 2015-09-30
7 3 5 11 2015-09-29
8 3 6 11 2015-09-29
9 3 7 11 2015-09-29
有必要的。 这样,您还可以获得用户2的有效d
列,而无需依赖数据框中的问题顺序。
看起来另一种方法是使用spread
和gather
。 spread
为每个可能的答案创建一列,并且gather
获取单独的列并将它们重新整形为行。 有了这些数据:
dat %>%
spread(choice, choice) %>%
gather(choice, drop_me, `5`:`7`) %>% # Drop me is a redundant column
select(-drop_me) %>%
arrange(id, choice) # reorders so that the answer matches
# id c d choice
# 1 1 9 <NA> 5
# 2 1 9 <NA> 6
# 3 1 9 <NA> 7
# 4 2 NA 2015-09-30 5
# 5 2 NA 2015-09-30 6
# 6 2 NA 2015-09-30 7
# 7 3 11 2015-09-29 5
# 8 3 11 2015-09-29 6
# 9 3 11 2015-09-29 7
我没有做任何测试,看看这些效率如何比较。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.