重整数据，在其中需要对度量ID度量变量进行配对，然后由新列中的多个ID变量定义

Question

我有以下看起来像这样的数据框：

  NA   X.nm.    X.A. Reaction.Type Trial Actual.Total.Seconds    RA
   1   300  3.3294          0ng      1               14.784 NaDithio
  51   350  0.1779          0ng      1               14.784 NaAsc
  81   380  0.1000          50ng     2               14.784 NaAsc
 101   400  0.0509          0ng      1               14.784 NaAsc
 151   450  0.0125          0ng      2               14.784 NaAsc
 201   500  0.0054          0ng      2               14.784 NaDithio
 251   550  0.0026          0ng      1               14.784 NaDithio
 301   600  0.0010          50ng     1               14.784 NaAsc
 351   650 -0.0001          0ng      1               14.784 NaAsc
 381   680 -0.0005          0ng      1               14.784 NaAsc

因此，有一列用于“ Reaction.Type”，“ Trial”，“ Actual.Total.Seconds”，“ RA”，“ X.nm”，“ XA”。 请忽略Na列。

我想重新格式化我的数据框，以便有一个新的X.nm。 和XA（已配对）列（“ Reaction.Type”，“ Trial”，“ Actual.Total.Seconds”，“ RA”）的每个组合。 我想要每列的标题作为组合。 每X.nm。 有一个对应的XA（有点像一个坐标点，对于每个X.nm，都有一个XA）

示例：第1列标题：0ng，1、50秒，NaAsc中的X.nm（这将使X.nm与XA相匹配的另一列）

第2栏标题：从0ng开始的XA，1、50秒，NaAsc

*然后对以下每个组合执行此操作，因此每个组合都有更多列

  X.nm. from 0ng, 1, 14.784seconds, NaDithio    X.A from 0ng, 1, 50seconds, NaDithio
    300                                         3.3294   
    550                                          0.0026         

当我尝试使用reshape2包中的recast（）时，它不会将XA和X.nm对保持在一起。

请帮忙！ 谢谢。

Answer 1

library(tidyverse)
df2 <- df %>% 
   unite(var, c(Reaction.Type, Trial, Actual.Total.Seconds, RA)) %>% 
   gather(var2, val, -var, -NA.) %>% 
   unite(var3, c(var2, var)) %>% 
   spread(var3, val)

df2[,split(names(df2), c(1, rep(2:7, 2))) %>% unlist]

#    NA. X.A._0ng_1_14.784_NaAsc X.nm._0ng_1_14.784_NaAsc
# 1    1                      NA                       NA
# 2   51                  0.1779                      350
# 3   81                      NA                       NA
# 4  101                  0.0509                      400
# 5  151                      NA                       NA
# 6  201                      NA                       NA
# 7  251                      NA                       NA
# 8  301                      NA                       NA
# 9  351                 -0.0001                      650
# 10 381                 -0.0005                      680