将重复的列集合收集到单个列中

Question

这里已经解决了收集多组列的问题： 收集多组列 ，但在我的情况下，列不是唯一的。

我有以下数据：

input <- data.frame(
  id = 1:2, 
  question = c("a", "b"),
  points = 0,
  max_points = c(3, 5),
  question = c("c", "d"),
  points = c(0, 20),
  max_points = c(5, 20),
  check.names = F,
  stringsAsFactors = F
)
input
#>   id question points max_points question points max_points
#> 1  1        a      0          3        c      0          5
#> 2  2        b      0          5        d     20         20

第一列是id，然后我有很多重复的列（原始数据集有133列）：

1. 问题的标识符
2. 给出的分数
3. 最高分

我想结束这个结构：

expected <- data.frame(
  id = c(1, 2, 1, 2),
  question = letters[1:4],
  points = c(0, 0, 0, 20),
  max_points = c(3, 5, 5, 20),
  stringsAsFactors = F
)
expected
#>   id question points max_points
#> 1  1        a      0          3
#> 2  2        b      0          5
#> 3  1        c      0          5
#> 4  2        d     20         20

我尝试了几件事：

• tidyr::gather(input, key, val, -id)
• reshape2::melt(input, id.vars = "id")

两者都无法提供所需的输出。 此外，由于列数多于此处所示，因此gather不再起作用，因为重复列太多。

作为一种解决方法，我试过这个：

# add numbers to make col headers "unique"
names(input) <- c("id", paste0(1:(length(names(input)) - 1), names(input)[-1]))

# gather, remove number, spread
input %>% 
  gather(key, val, -id) %>%
  mutate(key = stringr::str_replace_all(key, "[:digit:]", "")) %>%
  spread(key, val)

这给出了一个错误： Duplicate identifiers for rows (3, 9), (4, 10), (1, 7), (2, 8)

这里已经讨论过这个问题： tidyr的意外行为 ，但我不知道为什么/如何添加另一个标识符。 最有可能这不是主要问题，因为我可能应该以不同的方式处理整个问题。

我怎么能解决我的问题，最好是用tidyr或base？ 我不知道如何使用data.table ，但是如果有一个简单的解决方案，我也会满足于此。

Answer 1

尝试这个：

do.call(rbind,
        lapply(seq(2, ncol(input), 3), function(i){
          input[, c(1, i:(i + 2))]
              })
        )

#   id question points max_points
# 1  1        a      0          3
# 2  2        b      0          5
# 3  1        c      0          5
# 4  2        d     20         20

Answer 2

在data.table中执行此操作的惯用方法非常简单：

library(data.table)
setDT(input)

res = melt(
  input, 
  id = "id", 
  meas = patterns("question", "^points$", "max_points"), 
  value.name = c("question", "points", "max_points")
)


   id variable question points max_points
1:  1        1        a      0          3
2:  2        1        b      0          5
3:  1        2        c      0          5
4:  2        2        d     20         20

你得到了一个名为“variable”的额外列，但如果需要，你可以在res[, variable := NULL]之后删除它。

Answer 3

在不使用lapply情况下实现相同目标的另一种方法：

我们首先抓住所有列的问题，max_points和点，然后我们将每个列单独cbind并将它们全部合并在一起。

library(reshape2)

questions <- input[,c(1,c(1:length(names(input)))[names(input)=="question"])]
points <- input[,c(1,c(1:length(names(input)))[names(input)=="points"])]
max_points <- input[,c(1,c(1:length(names(input)))[names(input)=="max_points"])]

questions_m <- melt(questions,id.vars=c("id"),value.name = "questions")[,c(1,3)]
points_m <- melt(points,id.vars=c("id"),value.name = "points")[,3,drop=FALSE]
max_points_m <- melt(max_points,id.vars=c("id"),value.name = "max_points")[,3, drop=FALSE]

res <- cbind(questions_m,points_m, max_points_m)
res
  id questions points max_points
1  1         a      0          3
2  2         b      0          5
3  1         c      0          5
4  2         d     20         20

Answer 4

您可能需要澄清您希望如何处理ID列，但可能是这样的？

runme <- function(word , dat){
     grep( paste0("^" , word , "$") , names(dat)) 
}

l <- mapply( runme ,  unique(names(input)) , list(input) )
l2 <- as.data.frame(l)

output <- data.frame()
for (i in 1:nrow(l2)) output <- rbind( output , input[,  as.numeric(l2[i,])  ])

不确定处理不同数量的重复列有多强大，但它适用于您的测试数据，如果您的列重复相同的次数，则应该可以工作。