如何在 R 中將寬嵌套數據重塑為長格式？

Question

我有一個看起來像這樣的數據集，其中每個教室（ID）有不同的團隊（A，B），每個團隊有 3 個分數（例如，team1_1 team1_2 team1_3）和每個團隊的平均分數。 換句話說，教室 (ID) 1 有兩個團隊（A，B），而教室 2 有兩個團隊（A，B），依此類推。

df <- data.frame(ID=1:5,
                 Team1=c("A","A","A","A","A"),
                 Team1_1=c(2,3,1,3,4),
                 Team1_2=c(4,2,2,3,2),
                 Team1_3=c(5,3,4,5,4),
                 Team1_Mean=c(3.67,2.67,2.33,3.67,3.33),
                 Team2=c("B","B","B","B","B"),
                 Team2_1=c(4,3,3,5,4),
                 Team2_2=c(4,2,2,5,2),
                 Team2_3=c(4,4,4,5,3),
                 Team2_Mean=c(4,3,3,5,3))


ID Team1 Team1_1 Team1_2 Team1_3 Team1_Mean Team2 Team2_1 Team2_2 Team2_3 Team2_Mean
1    A      2       4       5      3.67       B      4       4       4         4
2    A      3       2       3      2.67       B      3       2       4         3
3    A      1       2       4      2.33       B      3       2       4         3
4    A      3       3       5      3.67       B      5       5       5         5
5    A      4       2       4      3.33       B      4       2       3         3

我想重塑數據，以便每個團隊都以長格式列出，如下所示：

df2 <- data.frame(ID=c(1,1,2,2,3,3,4,4,5,5),
                  Team=c("A", "B", "A", "B", "A", "B", "A", "B", "A", "B"),
                  Score1=c(2,4,3,3,1,3,3,5,4,5),
                  Score2=c(4,4,2,2,2,2,3,5,2,2),
                  Score3=c(5,4,3,4,4,4,5,5,4,3),
                  Mean=c(3.67,4,2.67,3,2.33,3,3.67,5,3.33,3))


ID Team Score1 Score2 Score3 Mean
1   A     2      4      5    3.67
1   B     4      4      4    4.00
2   A     3      2      3    2.67
2   B     3      2      4    3.00
3   A     1      2      4    2.33
3   B     3      2      4    3.00
4   A     3      3      5    3.67
4   B     5      5      5    5.00
5   A     4      2      4    3.33
5   B     5      2      3    3.00

在我看來，我認為將每個團隊的數據放在一個列表中，重新整形為長格式，然后取消嵌套數據就可以了，但這並不容易。 我的第一步是這樣的：

df <- df %>% nest(items = c("Team1", "Team1_1", "Team1_2", "Team1_3", "Team1_Mean"))
names(df)[names(df) == "items"] <- "Team1"
df <- df %>% nest(items = c("Team2", "Team2_1", "Team2_2", "Team2_3", "Team2_Mean"))
names(df)[names(df) == "items"] <- "Team2"


# A tibble: 5 x 3
     ID Team1            Team2           
  <int> <list>           <list>          
1     1 <tibble [1 × 5]> <tibble [1 × 5]>
2     2 <tibble [1 × 5]> <tibble [1 × 5]>
3     3 <tibble [1 × 5]> <tibble [1 × 5]>
4     4 <tibble [1 × 5]> <tibble [1 × 5]>
5     5 <tibble [1 × 5]> <tibble [1 × 5]>

從那里我嘗試了我通常的 reshape2 (melt) function 但 R 說這已被棄用，所以我嘗試了 tidyr 的“收集”方法，但似乎這些努力不適用於列表。

我的問題是：

1. 我怎樣才能達到我想要的結果？
2. 我的數據集包含數百個 ID 和團隊，所以我不想像上面那樣輸入每個變量； 我怎樣才能簡化它以減少硬編碼的使用？

非常感謝提前！

Answer 1

一個選項是pivot_longer 。 我們可以rename列重命名為“Team1”、“Team2”以添加分隔符 ( _ ) 以及后綴“Team”，然后使用pivot_longer將cols重新調整為“long”格式，將除“ID”(- -ID ) 之外的所有列指定為，將names_sep指定為_ ，然后rename以數字開頭的列名，並附加'Score'作為前綴

library(dplyr)
library(tidyr)
library(stringr)
df %>%
   rename_at(vars(matches("^Team\\d+$")), ~ str_c(., "_Team")) %>%  
   pivot_longer(cols = -ID, names_to = c("grp", ".value"), 
            names_sep="_")%>% 
   rename_at(vars(matches('^\\d+')), ~ str_c("Score", .)) %>%
   select(-grp)

-輸出

# A tibble: 10 x 6
#      ID Team  Score1 Score2 Score3  Mean
#   <int> <chr>  <dbl>  <dbl>  <dbl> <dbl>
# 1     1 A          2      4      5  3.67
# 2     1 B          4      4      4  4   
# 3     2 A          3      2      3  2.67
# 4     2 B          3      2      4  3   
# 5     3 A          1      2      4  2.33
# 6     3 B          3      2      4  3   
# 7     4 A          3      3      5  3.67
# 8     4 B          5      5      5  5   
# 9     5 A          4      2      4  3.33
#10     5 B          4      2      3  3   

Answer 2

這是使用stack + gsub + unstack的基本 R 選項

q <- unstack(
  transform(
    stack(df),
    ind = gsub("(?<=Team)\\d+", "", ind, perl = TRUE)
  )
)
q$ID <- rep(q$ID, max(lengths(q)) / length(q$ID))
q <- type.convert(q, as.is = TRUE)
dfout <- data.frame(q)[order(q$ID), ]

這使

> dfout
   ID Team Team_1 Team_2 Team_3 Team_Mean
1   1    A      2      4      5      3.67
6   1    B      4      4      4      4.00
2   2    A      3      2      3      2.67
7   2    B      3      2      4      3.00
3   3    A      1      2      4      2.33
8   3    B      3      2      4      3.00
4   4    A      3      3      5      3.67
9   4    B      5      5      5      5.00
5   5    A      4      2      4      3.33
10  5    B      4      2      3      3.00

Answer 3

您可以使用data.table中的melt並傳遞patterns列表以及新的列名：

result <- melt(setDT(df), id=c("ID"), measure = patterns(Team = "Team\\d$", 
                                                Score1 = "Team\\d_1$", 
                                                Score2 = "Team\\d_2$", 
                                                Score3 = "Team\\d_3$", 
                                                Mean = ".+Mean$"))

result[order(ID), !c("variable")] 

    ID Team Score1 Score2 Score3 Mean
 1:  1    A      2      4      5 3.67
 2:  1    B      4      4      4 4.00
 3:  2    A      3      2      3 2.67
 4:  2    B      3      2      4 3.00
 5:  3    A      1      2      4 2.33
 6:  3    B      3      2      4 3.00
 7:  4    A      3      3      5 3.67
 8:  4    B      5      5      5 5.00
 9:  5    A      4      2      4 3.33
10:  5    B      4      2      3 3.00