复杂的长到宽数据转换（具有随时间变化的变量）

Question

我目前正在处理“长”格式的多状态分析数据集（每个人的观察结果一行；每个人被重复测量多达5次）。

这个想法是，每个人都可以在时变状态变量 s = 1, 2, 3, 4的级别上反复转换。 我全部的（这里的其他变量cohort ）固定任何给定的范围内id 。

经过一些分析后，我需要根据访问状态的特定顺序以“宽”形式重整数据集。 这是初始长数据的示例：

  dat <- read.table(text = "

        id    cohort    s    
        1       1       2
        1       1       2
        1       1       1
        1       1       4
        2       3       1
        2       3       1
        2       3       3
        3       2       1
        3       2       2
        3       2       3
        3       2       3
        3       2       4", 

    header=TRUE)     

最终的“宽”数据集应考虑被访问状态的特定个体序列，并记录到新创建的变量s1 ， s2 ， s3 ， s4 ， s5 ，其中s1是个人访问的第一个状态，依此类推。

根据上面的示例，宽数据集看起来像：

    id    cohort    s1    s2    s3    s4    s5    
    1       1       2      2     1     4     0
    2       3       1      1     3     0     0
    3       2       1      2     3     3     4

我尝试使用reshape() ，也专注于转置s ，但是没有达到预期的结果。 实际上，我对R函数的了解非常有限。您能提出任何建议吗？ 谢谢。

编辑：获得另一种广泛的数据集

谢谢大家的帮助，如果可以的话，我有一个相关的问题。 尤其是长时间观察每个个体并且状态之间的转换很少时，以这种替代方式重塑初始样本dat非常有用：

    id    cohort    s1    s2    s3    s4    s5    dur1  dur2  dur3  dur4  dur5 
    1       1       2      1     4     0     0      2     1     1     0     0  
    2       3       1      3     0     0     0      2     1     0     0     0
    3       2       1      2     3     4     0      1     1     2     1     0

实际上，现在s1 - s5是不同的访问状态，而dur1 - dur5是在每个相应的不同访问状态中花费的时间。

您能帮忙实现此数据结构吗？ 我相信有必要在使用reshape()之前在中间样本中创建所有dur和s变量。 否则，可以直接采用-reshape2-吗？

Answer 1

dat <- read.table(text = "
        id    cohort    s    
        1       1       2
        1       1       2
        1       1       1
        1       1       4
        2       3       1
        2       3       1
        2       3       3
        3       2       1
        3       2       2
        3       2       3
        3       2       3
        3       2       4", 
    header=TRUE)     

df <- data.frame(
    dat,
    period = sequence(rle(dat$id)$lengths) 
)

wide <- reshape(df, v.names = "s", idvar = c("id", "cohort"),
                timevar = "period", direction = "wide")

wide[is.na(wide)] = 0
wide

给出：

  id cohort s.1 s.2 s.3 s.4 s.5
1  1      1   2   2   1   4   0
5  2      3   1   1   3   0   0
8  3      2   1   2   3   3   4

然后使用以下行给出您的名字：

names(wide) <- c('id','cohort', paste('s', seq_along(1:5), sep=''))

#   id cohort s1 s2 s3 s4 s5
# 1  1      1  2  2  1  4  0
# 5  2      3  1  1  3  0  0
# 8  3      2  1  2  3  3  4

如果在wide语句中使用sep='' ，则不必重命名变量：

wide <- reshape(df, v.names = "s", idvar = c("id", "cohort"),
                timevar = "period", direction = "wide", sep='')

我怀疑有很多方法可以避免创建period变量，并且可以避免在wide语句中直接替换NA ，但是我还没有找到解决方法。

Answer 2

好...

library(plyr)
library(reshape2)

dat2 <- ddply(dat,.(id,cohort), function(x) 
       data.frame(s=x$s,name=paste0("s",seq_along(x$s))))


dat2 <- ddply(dat2,.(id,cohort), function(x) 
       dcast(x, id + cohort ~ name, value.var= "s" ,fill= 0)
       )

dat2[is.na(dat2)] <- 0

dat2

#    id cohort s1 s2 s3 s4 s5
#    1  1      1  2  2  1  4  0
#    2  2      3  1  1  3  0  0
#    3  3      2  1  2  3  3  4

这看起来对吗？ 我承认第一个ddply不太优雅。

Answer 3

尝试这个：

library(reshape2)

dat$seq <- ave(dat$id, dat$id, FUN = function(x) paste0("s", seq_along(x)))
dat.s <- dcast(dat, id + cohort ~ seq, value.var = "s", fill = 0)

这给出了：

> dat.s
  id cohort s1 s2 s3 s4 s5
1  1      1  2  2  1  4  0
2  2      3  1  1  3  0  0
3  3      2  1  2  3  3  4

如果您不介意仅使用1、2，...，5作为列名，则可以将ave行缩短为：

dat$seq <- ave(dat$id, dat$id, FUN = seq_along)

关于稍后添加的第二个问题 ，请尝试以下操作：

library(plyr)
dur.fn <- function(x) {
  r <- rle(x$s)$length
  data.frame(id = x$id[1], dur.value = r, dur.seq = paste0("dur", seq_along(r)))
}
dat.dur.long <- ddply(dat, .(id), dur.fn)
dat.dur <- dcast(dat.dur.long, id ~ dur.seq, c, value.var = "dur.value", fill = 0)
cbind(dat.s, dat.dur[-1])

这使：

  id cohort s1 s2 s3 s4 s5 dur1 dur2 dur3 dur4
1  1      1  2  2  1  4  0    2    1    1    0
2  2      3  1  1  3  0  0    2    1    0    0
3  3      2  1  2  3  3  4    1    1    2    1