我有不寻常格式的数据。变量名/列标题应该是当前行值,行值应该是变量名/列标题。
也就是说,我有这样一个数据框:
id <- seq(1, 5, 1)
good <- c('', 'Q4', 'Q4, Q2', '', '')
ok <- c('Q3, Q1', '', '', 'Q2', '')
bad <- c('', 'Q2', 'Q2', '', '')
data <- as.data.frame(cbind(id, good, ok, bad))
cols <- c('good', 'ok', 'bad')
data[cols] <- lapply(data[cols], as.character)
我想将它转换成如下所示的数据框:
id <- seq(1,5,1)
Q1 <- c('ok', '', '', '', '')
Q2 <- c('', 'bad', 'good, bad', 'ok', '') # Yes, it is possible to get multiple,
# conflicting responses to a question from one id.
Q3 <- c('ok', '', '', '', '')
Q4 <- c('', 'good', 'good', '', '')
data_new <- as.data.frame(cbind(id, Q1, Q2, Q3, Q4))
cols <- c('Q1', 'Q2', 'Q3', 'Q4')
data_new[cols] <- lapply(data_new[cols], as.character)
一些问题:
当前行值是什么不能直接转置到列标题,因为有时多个条目记录在一个单元格中,列标题中应该只记录一个值(例如,我不不想在更新的数据框中标有“Q2,Q4”的列标题)。
另一方面,当列标题移动成为行值时,将 有时需要在同一个单元格中有多个条目。例如,id 3 的变量 Q2 下的条目在更新后的数据框中应显示为“好,坏”。
首选 dplyr 解决方案,但也欢迎使用其他包/基础 R 的答案。
最佳答案
这是使用gather/spread
的一种方法。我们收集
从'wide'到'long'的数据,过滤
基于'val'中的空白元素的行,通过在分隔符处拆分来扩展数据( ,
) in 'val', 按'id', 'val'分组,粘贴
'key'的元素并传播
回“宽”格式
library(tidyverse)
data %>%
gather(key, val, -id) %>%
filter(val != "") %>%
separate_rows(val) %>%
group_by(id = factor(id, levels = 1:5), val) %>%
summarise(key = toString(key)) %>%
spread(val, key, fill = "", drop = FALSE)
# A tibble: 5 x 5
# Groups: id [5]
# id Q1 Q2 Q3 Q4
# <fct> <chr> <chr> <chr> <chr>
#1 1 ok "" ok ""
#2 2 "" bad "" good
#3 3 "" good, bad "" good
#4 4 "" ok "" ""
#5 5 "" "" "" ""
注意:该格式基于tibble
的print
格式。如果我们要改成data.frame
,在最后使用as.data.frame
关于用行值替换变量名,反之亦然,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53112363/