復雜的長到寬數據轉換（具有隨時間變化的變量）

Question

我目前正在處理“長”格式的多狀態分析數據集（每個人的觀察結果一行；每個人被重復測量多達5次）。

這個想法是，每個人都可以在時變狀態變量 s = 1, 2, 3, 4的級別上反復轉換。 我全部的（這里的其他變量cohort ）固定任何給定的范圍內id 。

經過一些分析后，我需要根據訪問狀態的特定順序以“寬”形式重整數據集。 這是初始長數據的示例：

  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)     

最終的“寬”數據集應考慮被訪問狀態的特定個體序列，並記錄到新創建的變量s1 ， s2 ， s3 ， s4 ， s5 ，其中s1是個人訪問的第一個狀態，依此類推。

根據上面的示例，寬數據集看起來像：

    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

我嘗試使用reshape() ，也專注於轉置s ，但是沒有達到預期的結果。 實際上，我對R函數的了解非常有限。您能提出任何建議嗎？ 謝謝。

編輯：獲得另一種廣泛的數據集

謝謝大家的幫助，如果可以的話，我有一個相關的問題。 尤其是長時間觀察每個個體並且狀態之間的轉換很少時，以這種替代方式重塑初始樣本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

實際上，現在s1 - s5是不同的訪問狀態，而dur1 - dur5是在每個相應的不同訪問狀態中花費的時間。

您能幫忙實現此數據結構嗎？ 我相信有必要在使用reshape()之前在中間樣本中創建所有dur和s變量。 否則，可以直接采用-reshape2-嗎？

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

給出：

  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

然后使用以下行給出您的名字：

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語句中使用sep='' ，則不必重命名變量：

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

我懷疑有很多方法可以避免創建period變量，並且可以避免在wide語句中直接替換NA ，但是我還沒有找到解決方法。

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

這看起來對嗎？ 我承認第一個ddply不太優雅。

Answer 3

嘗試這個：

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)

這給出了：

> 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

如果您不介意僅使用1、2，...，5作為列名，則可以將ave行縮短為：

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

關於稍后添加的第二個問題 ，請嘗試以下操作：

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])

這使：

  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