如何创建一个函数来创建一个包含组合观察的列

Question

我显然是数据清理的新手，并且在清理调查导出时遇到了麻烦。 这就是我的数据框以原始形式显示的样子。

Var1          Colname1  Colname2  Colname3  Var2
Observation1  NA        NA        Val1      Val_1
Observation2  NA        Val2      NA        Val_1
Observation3  Val3      NA        NA        Val_1
Observation4  Val4      Val5      NA        Val_2
Observation5  NA        NA        Val6      Val_2

我想将我的数据清理成这样：

Var1         SubVar1 Var2
Observation1 Val1    Val_1
Observation2 Val2    Val_1
Observation3 Val3    Val_1
Observation4 Val4    Val_2
Observation4 Val5    Val_2
Observation5 Val6    Val_2

我试图删除 NA 值：

df1 <- na.omit(c(Colname1, Colname2, Colname3))

问题是它会删除所有行，因为每一行都有一个 NA。 我还尝试连接值，然后使用 separate_rows() 函数，但这仅适用于在一列中只有一个值的观察。 对于在多列中包含值的观察（请参阅 Observation4），这将不起作用。

感谢你们提供的任何帮助！

Answer 1

尝试，

data %>% mutate(SubVar1 = coalesce(Colname1,Colname2,Colname3)) %>%
         select(Var1, SubVar1, Var2)

Answer 2

我会认为这是从宽到长的枢轴（重塑）操作：

library(dplyr)
library(tidyr)

data %>%
  pivot_longer(cols = Colname1:Colname3, values_to = "SubVar1") %>%
  filter(!is.na(SubVar1)) %>%
  select(Var1, SubVar1, Var2)
# # A tibble: 6 × 3
#   Var1         SubVar1 Var2 
#   <chr>        <chr>   <chr>
# 1 Observation1 Val1    Val_1
# 2 Observation2 Val2    Val_1
# 3 Observation3 Val3    Val_1
# 4 Observation4 Val4    Val_2
# 5 Observation4 Val5    Val_2
# 6 Observation5 Val6    Val_2

要了解发生了什么，请运行第一行，然后是第一行和第二行，然后是第一行、第二行和第三行，等等。有关指定要透视的列的其他几个选项，请参阅?pivot_longer - 您可以明确命名，使用 a名称模式，如names_pattern = "Colname"或使用Colname1:Colname3来选择连续的列，就像我上面所做的那样。

Answer 3

我们可以通过行/列索引以矢量化方式使用base R 将列名为'Colname'的列子集，然后用max.col获取每行非NA元素的列索引， cbind行序列，提取对应的元素，创建新的data.frame

i1 <- startsWith(names(df1), "Colname")
data.frame(df1['Var1'], SubVar1 = df1[i1][cbind(seq_len(nrow(df1)), 
      max.col(!is.na(df1[i1]), "first"))], df1['Var2'])
          Var1 SubVar1  Var2
1 Observation1    Val1 Val_1
2 Observation2    Val2 Val_1
3 Observation3    Val3 Val_1
4 Observation4    Val4 Val_2
5 Observation5    Val6 Val_2

数据

df1 <- structure(list(Var1 = c("Observation1", "Observation2", "Observation3", 
"Observation4", "Observation5"), Colname1 = c(NA, NA, "Val3", 
"Val4", NA), Colname2 = c(NA, "Val2", NA, "Val5", NA), Colname3 = c("Val1", 
NA, NA, NA, "Val6"), Var2 = c("Val_1", "Val_1", "Val_1", "Val_2", 
"Val_2")), class = "data.frame", row.names = c(NA, -5L))