[英]Select multiple columns and reshape wide to long
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:
性是案例的性
d02_1,d03_1,d04_1 ... d0j_1是联系人的ID
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?
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。
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.