将没有“timevar”的 dataframe 从长格式转换为宽格式

Question

我有一个遵循以下长模式的数据框：

   Name          MedName
  Name1    atenolol 25mg
  Name1     aspirin 81mg
  Name1 sildenafil 100mg
  Name2    atenolol 50mg
  Name2   enalapril 20mg

并且想得到下面（我不在乎我是否可以这样命名列，只想要这种格式的数据）：

   Name   medication1    medication2      medication3
  Name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
  Name2 atenolol 50mg enalapril 20mg             NA

通过这个站点，我已经熟悉了 reshape/reshape2 package，并且已经尝试过几次尝试让它工作，但到目前为止都失败了。

当我尝试dcast(dataframe, Name ~ MedName, value.var='MedName') ，我只得到一堆作为药物名称标志的列（转置的值是 1 或 0）例如：

 Name  atenolol 25mg  aspirin 81mg
Name1              1             1
Name2              0             0 

在我融化数据集后，我还尝试了一个dcast(dataset, Name ~ variable) ，但这只是吐出以下内容（只是计算每个人有多少药物）：

 Name  MedName
Name1        3
name2        2

最后，我尝试融合数据，然后使用idvar="Name" timevar="variable" （其中所有只是 Mednames）重塑数据，但这似乎不是为我的问题而建的，因为如果 idvar 有多个匹配项，重塑只采用第一个 MedName 并忽略 rest。

有谁知道如何使用 reshape 或其他 R function 来做到这一点？ 我意识到可能有一种方法可以通过一些 for 循环和条件来以更混乱的方式执行此操作，以基本上拆分和重新粘贴数据，但我希望有一个更简单的解决方案。 太感谢了！

Answer 1

使用data.table包，这可以通过新的rowid函数轻松解决：

library(data.table)
dcast(setDT(d1), 
      Name ~ rowid(Name, prefix = "medication"), 
      value.var = "MedName")

这使：

 Name medication1 medication2 medication3 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg 2 Name2 atenolol 50mg enalapril 20mg <NA>

另一种方法（1.9.7版本之前常用）：

dcast(setDT(d1)[, rn := 1:.N, by = Name], 
      Name ~ paste0("medication",rn), 
      value.var = "MedName")

给出相同的结果。

---

类似的方法，但现在使用dplyr和tidyr包：

library(dplyr)
library(tidyr)
d1 %>%
  group_by(Name) %>%
  mutate(rn = paste0("medication",row_number())) %>%
  spread(rn, MedName)

这使：

 Source: local data frame [2 x 4] Groups: Name [2] Name medication1 medication2 medication3 (fctr) (chr) (chr) (chr) 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg 2 Name2 atenolol 50mg enalapril 20mg NA

Answer 2

假设您的数据在对象dataset ：

library(plyr)
## Add a medication index
data_with_index <- ddply(dataset, .(Name), mutate, 
                         index = paste0('medication', 1:length(Name)))    
dcast(data_with_index, Name ~ index, value.var = 'MedName')

##    Name   medication1    medication2      medication3
## 1 Name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
## 2 Name2 atenolol 50mg enalapril 20mg             <NA>

Answer 3

在使用reshape之前，您始终可以生成唯一的timevar 。 在这里，我使用ave来应用函数seq_along 'along' 每个“名称”。

test <- data.frame(
Name=c(rep("name1",3),rep("name2",2)),
MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
          "atenolol 50mg","enalapril 20mg")
)

# generate the 'timevar'
test$uniqid <- with(test, ave(as.character(Name), Name, FUN = seq_along))

# reshape!
reshape(test, idvar = "Name", timevar = "uniqid", direction = "wide")

结果：

   Name     MedName.1      MedName.2        MedName.3
1 name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
4 name2 atenolol 50mg enalapril 20mg             <NA>

Answer 4

这实际上似乎是一个相当普遍的问题，因此我在“splitstackshape”包中包含了一个名为getanID的函数。

这是它的作用：

library(splitstackshape)
getanID(test, "Name")
#     Name          MedName .id
# 1: name1    atenolol 25mg   1
# 2: name1     aspirin 81mg   2
# 3: name1 sildenafil 100mg   3
# 4: name2    atenolol 50mg   1
# 5: name2   enalapril 20mg   2

由于“data.table”与“splitstackshape”一起加载，因此您可以访问dcast.data.table ，因此您可以按照dcast.data.table的示例进行操作。

dcast.data.table(getanID(test, "Name"), Name ~ .id, value.var = "MedName")
#     Name             1              2                3
# 1: name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
# 2: name2 atenolol 50mg enalapril 20mg               NA

---

该函数本质上通过标识创建“时间”列的组来实现sequence(.N) 。

Answer 5

@thelatemail 的解决方案与此类似。 当我生成时间变量时，我使用rle以防我不以交互方式工作并且Name变量需要是动态的。

# start with your example data
x <- 
    data.frame(
        Name=c(rep("name1",3),rep("name2",2)),
        MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
            "atenolol 50mg","enalapril 20mg")
    )

# pick the id variable
id <- 'Name'

# sort the data.frame by that variable
x <- x[ order( x[ , id ] ) , ]

# construct a `time` variable on the fly
x$time <- unlist( lapply( rle( as.character( x[ , id ] ) )$lengths , seq_len ) )

# `reshape` uses that new `time` column by default
y <- reshape( x , idvar = id , direction = 'wide' )

# done
y

Answer 6

一个干净的解决方案涉及tidyr包版本1.1.0非常有用的pivot_wider函数。 有了这个，您还可以使用参数names_glue直接指定列名。

library(tidyr)
library(dplyr)

dataframe %>% 
  group_by(Name) %>% 
  mutate(row_n = row_number()) %>% 
  pivot_wider(id_cols = Name, names_from = row_n, values_from = MedName, names_glue = "medication{row_n}")

输出

# A tibble: 2 x 4
# Groups:   Name [2]
#   Name  medication1   medication2    medication3     
#   <chr> <chr>         <chr>          <chr>           
# 1 Name1 atenolol 25mg aspirin 81mg   sildenafil 100mg
# 2 Name2 atenolol 50mg enalapril 20mg NA  

Answer 7

带有chop()和unnest_wider() tidyr解决方案。

library(tidyr)

df %>%
  chop(-Name) %>%
  unnest_wider(MedName, names_sep = "")

# # A tibble: 2 x 4
#   Name  MedName1      MedName2       MedName3        
#   <chr> <chr>         <chr>          <chr>           
# 1 Name1 atenolol 25mg aspirin 81mg   sildenafil 100mg
# 2 Name2 atenolol 50mg enalapril 20mg NA 

参数names_sep = ""是必要的； 否则，新的列名会..1 ， ..2 ，和..3 。

---

数据

df <- structure(list(Name = c("Name1", "Name1", "Name1", "Name2", "Name2"
), MedName = c("atenolol 25mg", "aspirin 81mg", "sildenafil 100mg", 
"atenolol 50mg", "enalapril 20mg")), class = "data.frame", row.names = c(NA, -5L))

Answer 8

这是一种更短的方法，利用unlist处理名称的方式：

library(dplyr)
df1 %>% group_by(Name) %>% do(as_tibble(t(unlist(.[2]))))
# # A tibble: 2 x 4
# # Groups:   Name [2]
#      Name      MedName1       MedName2         MedName3
#     <chr>         <chr>          <chr>            <chr>
#   1 name1 atenolol 25mg   aspirin 81mg sildenafil 100mg
#   2 name2 atenolol 50mg enalapril 20mg             <NA>