如何创建一个新的宽数据框，其中包含基于两列中所有值组合的行？

Question

我有以下数据框（问题底部提供了dput）：

>df_input
# A tibble: 5 x 4
  category range        samples events
  <chr>    <chr>          <dbl>  <dbl>
1 GroupA   Apr2002         4951  97796
2 GroupA   May2002         9332 195726
3 GroupB   Apr2001         4781  80767
4 GroupB   Oct2001         5677  92890
5 GroupB   OctToNov2001   10296 166037

我想创建一个新的数据框，其中的行是category和range列的每个唯一组合的组合。 例如， category = GroupA GroupA 和range = Apr2002将在输出数据框中为三个category = Group B行中的每一行提供 3 行。

输入数据框中的range列将始终只有唯一值。

我还想重命名events 、 samples和range的组合输出列以包含Group名称（即range_GroupA 、 range_GroupB 、 samples_GroupA 、 events_GroupA 、 samples_GroupB 、 events_GroupB ）

我正在努力解决如何从category列创建组合行。 我也在努力在这里找到正确的搜索词来找到类似的问题/答案。 到目前为止，我设法找到的最接近的是Create new rows in data frame based on multiple values of column ，但是该问题中的组合与我尝试的有点不同。

所需的输出数据帧是：

> df_output
# A tibble: 6 x 6
  range_GroupA range_GroupB samples_GroupA events_GroupA samples_GroupB events_GroupB
  <chr>        <chr>                 <dbl>         <dbl>          <dbl>         <dbl>
1 Apr2002      Apr2001                4951         97796           4781         80767
2 Apr2002      Oct2001                4951         97796           5677         92890
3 Apr2002      OctToNov2001           4951         97796          10296        166037
4 May2002      Apr2001                9332        195726           4781         80767
5 May2022      Oct2001                9332        195726           5677         92890
6 May2022      OctToNov2001           9332        195726          10296        166037

df_input 数据框：

df_input <- structure(list(category = c("GroupA", "GroupA", "GroupB", "GroupB", 
                                        "GroupB"), range = c("Apr2002", "May2002", "Apr2001", "Oct2001", 
                                                             "OctToNov2001"), samples = c(4951, 9332, 4781, 5677, 10296), 
                           events = c(97796, 195726, 80767, 92890, 166037)), row.names = c(NA, 
                                                                                           -5L), class = c("tbl_df", "tbl", "data.frame"))

df_output 数据帧

df_output <- structure(list(range_GroupA = c("Apr2002", "Apr2002", "Apr2002", 
                                             "May2002", "May2022", "May2022"), range_GroupB = c("Apr2001", 
                                                                                                "Oct2001", "OctToNov2001", "Apr2001", "Oct2001", "OctToNov2001"
                                             ), samples_GroupA = c(4951, 4951, 4951, 9332, 9332, 9332), events_GroupA = c(97796, 
                                                                                                                          97796, 97796, 195726, 195726, 195726), samples_GroupB = c(4781, 
                                                                                                                                                                                    5677, 10296, 4781, 5677, 10296), events_GroupB = c(80767, 92890, 
                                                                                                                                                                                                                                       166037, 80767, 92890, 166037)), row.names = c(NA, -6L), class = c("tbl_df", 
                                                                                                                                                                                                                                                                                                         "tbl", "data.frame"))

Answer 1

我认为我们可以通过过滤笛卡尔连接获得您的结果：

library(dplyr)
left_join(
  df_input %>% mutate(dummy = 1),
  df_input %>% mutate(dummy = 1), by = "dummy") %>%
  filter(category.x < category.y)

您将识别所有要查找的数字，但标题名称不同。 我们可以手动重命名它们，但这并不好玩。 请参阅下面的重命名版本。

# A tibble: 6 × 9
  category.x range.x samples.x events.x dummy category.y range.y      samples.y events.y
  <chr>      <chr>       <dbl>    <dbl> <dbl> <chr>      <chr>            <dbl>    <dbl>
1 GroupA     Apr2002      4951    97796     1 GroupB     Apr2001           4781    80767
2 GroupA     Apr2002      4951    97796     1 GroupB     Oct2001           5677    92890
3 GroupA     Apr2002      4951    97796     1 GroupB     OctToNov2001     10296   166037
4 GroupA     May2002      9332   195726     1 GroupB     Apr2001           4781    80767
5 GroupA     May2002      9332   195726     1 GroupB     Oct2001           5677    92890
6 GroupA     May2002      9332   195726     1 GroupB     OctToNov2001     10296   166037

编辑：这似乎与重命名有关：

left_join(
  df_input %>% rename_with(~paste0(.,"_GroupA")) %>% mutate(dummy = 1),
  df_input %>% rename_with(~paste0(.,"_GroupB")) %>% mutate(dummy = 1), 
  by = "dummy") %>%
  filter(category_GroupA < category_GroupB) %>%
  select(-category_GroupA, -dummy, -category_GroupB) %>%
  relocate(range_GroupB, .after = 1)


# A tibble: 6 × 6
  range_GroupA range_GroupB samples_GroupA events_GroupA samples_GroupB events_GroupB
  <chr>        <chr>                 <dbl>         <dbl>          <dbl>         <dbl>
1 Apr2002      Apr2001                4951         97796           4781         80767
2 Apr2002      Oct2001                4951         97796           5677         92890
3 Apr2002      OctToNov2001           4951         97796          10296        166037
4 May2002      Apr2001                9332        195726           4781         80767
5 May2002      Oct2001                9332        195726           5677         92890
6 May2002      OctToNov2001           9332        195726          10296        166037