如何使用tidyr填充分组变量的每个值中的已完成行？

Question

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

Answer 1

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。

Answer 2

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

Answer 3

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。

Answer 4

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。