选择多列，然后从宽到长整形

Question

我拥有与案件及其联系方式有关的广泛数据集。 （这是一个虚构的示例；实际数据集要大得多）。

structure(list(record_id = structure(1:4, .Label = c("01-001", 
"01-002", "01-003", "01-004"), class = "factor"), place = structure(c(1L, 
2L, 1L, 1L), .Label = c("a", "b"), class = "factor"), sex = structure(c(2L, 
2L, 1L, 2L), .Label = c("F", "M"), class = "factor"), age = c(4L, 
13L, 28L, 44L), d02_1 = c(2L, 2L, NA, 2L), d02_2 = structure(c(3L, 
2L, 1L, 3L), .Label = c("", "F", "M"), class = "factor"), d02_3 = c(27L, 
16L, NA, 66L), d03_1 = c(3L, 3L, NA, 3L), d03_2 = structure(c(3L, 
3L, 1L, 2L), .Label = c("", "F", "M"), class = "factor"), d03_3 = c(14L, 
55L, NA, 12L), d04_1 = c(4L, NA, NA, NA), d04_2 = structure(c(2L, 
1L, 1L, 1L), .Label = c("", "M"), class = "factor"), d04_3 = c(7L, 
NA, NA, NA)), .Names = c("record_id", "place", "sex", "age", 
"d02_1", "d02_2", "d02_3", "d03_1", "d03_2", "d03_3", "d04_1", 
"d04_2", "d04_3"), row.names = c(NA, -4L), class = "data.frame")

哪里：

• record_id是案件的唯一标识符
• 地方是案件存在的地方
• 年龄是案件的年龄

• 性是案例的性

• d02_1，d03_1，d04_1 ... d0j_1是联系人的ID

• d02_2，d03_2，d04_2 ... d0j_2是联系人的性别
• d02_3，d03_3，d04_3 ... d0j_3是联系人的年龄

在实际数据集中，每个案例中可能有许多联系人，并且还有更多与联系人特征有关的变量。 并非所有案例都有联系。

我想将数据集重整为整齐的格式，每个案例/联系人一行，即：

         id case place sex age
1    01-001    1     a   M   4
2  01-001-2    0     a   M  27
3  01-001-3    0     a   M  14
4  01-001-4    0     a   M   7
5    01-002    1     b   M  13
6  01-002-2    0     b   F  16
7  01-002-3    0     b   M  55
8    01-003    1     a   F  28
9    01-004    1     a   M  44
10 01-004-2    0     a   M  66
11 01-004-3    0     a   F  12

我在想，我将需要创建与每个联系人相关的列名称的向量（可能在列名称上使用字符匹配），依次选择这些列，并将其彼此附加（以及连接大小写/联系人ID） ，但确实很难做到没有很多行代码的复制。 必须是一种更有效的方法？

Answer 1

这是你想要的？

这是一个dplyr解决方案，出于多种原因，这很丑陋，但我认为它可以完成工作。

DF <- DF %>%
  rename_(.dots=setNames(names(.), gsub('_1','_ContactID',names(.)))) %>%
  rename_(.dots=setNames(names(.), gsub('_2','_sex',names(.)))) %>%
  rename_(.dots=setNames(names(.), gsub('_3','_age',names(.)))) %>%
  rename(d00_sex=sex,d00_age=age) %>%
  mutate(d00_ContactID=1) %>%
  gather(Var,Val,-record_id,-place) %>%
  mutate(Val =ifelse(Val=='',NA,Val)) %>%
  separate(Var,c('ContactLevel','Var'),sep='_') %>%
  spread(Var,Val) %>%
  arrange(record_id,ContactLevel) %>%
  filter(!is.na(age),!is.na(ContactID),!is.na(sex)) %>%
  mutate(age = as.numeric(age))

为了清楚起见，我首先重命名您的变量。 （ rename_行）

接下来，我将您的案例信息变量放入一个一致的模式，其中案例信息为ContactID = 1。 （对行进行ename和mutate ）

Gather将数据从宽变长，但是却给我们留下了非常难看的一列，并将您所有的数据转换为字符。 （这是触发警告的丑陋部分。）

separate将旧的列名称拆分为联系人ID和数据列。

spread然后再次打开年龄，性别和身分证明。 在这一行中，这些数据是您想要的，但是仍然可以进行一些清理。

arrange不是必需的，但是它将所有记录ID放在一起。

filter也不是必需的，它只删除没有合同信息的行。

最后，我使用mutate将age从字符转换为数字。 如果您愿意，您也可以在这里将性行为变成一个因素，并可能还会联系ID。