使用多个变量将宽格式数据转换为长格式数据

Question

这可能有一个简单的答案，但是经过几个小时的搜索后，我仍然找不到。基本上，我需要将一个宽格式数据集转换为长格式数据集，但是包含多个变量。我的数据集结构如下：

df1 <- data.frame(id = c(1,2,3),
                  sex = c("M","F","M"),
                  day0s = c(21,25,15),
                  day1s = c(20,30,18),
                  day2s = c(18,18,17),
                  day0t = c(2,5,7),
                  day1t = c(3,6,5),
                  day2t = c(3,8,7))
df1
 id sex day0s  day1s  day2s day0t  day1t  day2t
 1   M    21     20     18     2      3      3
 2   F    25     30     18     5      6      8
 3   M    15     18     17     7      5      7

基本上，有三个科目进行了数学考试(s)和历史考试(t)，每天进行3天。我尝试使用tidyr中的gather函数将其转换为长格式，但我不知道如何将mt和ht变量分配到同一天。我还编写了一个新变量day，只包括day0 = 0，day1 = 1和day2 = 2。

dfl ＜- df1 %＞%
  gather(day, value, - c(id,sex))
dfl
id sex  variable value  day
1   M   day0s     21    0
1   M   day1s     20    1
1   M   day2s     18    2
1   M   day0t      2    0
1   M   day1t      3    1
1   M   day2t      3    2
2   F   day0s     25    0
2   F   day1s     30    1
2   F   day2s     18    2
2   F   day0t      5    0
2   F   day1t      6    1
2   F   day2t      8    2
3   M   day0s     15    0
3   M   day1s     18    1
3   M   day2s     17    2
3   M   day0t      7    0
3   M   day1t      5    1
3   M   day2t      7    1

最理想的情况是最终它应该看起来像这样。

id sex   day   s     t
1   M     0    21    2
1   M     1    20    3
1   M     2    18    3
2   F     0    25    5
2   F     1    30    6
2   F     2    18    8
3   M     0    15    7
3   M     1    18    5
3   M     2    17    7

您有关于如何实现这一目标的任何建议吗？

- Phate

---

我建议删除变量列的日期和数字后缀。然后使用pivot_wider创建mt和ht列。 - writer_typer

发布的数据具有带有后缀s和t的列day，不是 mt和ht。 - Rui Barradas

Answer 1

你可以在这里使用 {tidyr} 的 pivot_longer。

如果你的实际变量名称有些不同，你可以根据自己的情况调整正则表达式。在这里你可以尝试并相应地进行调整。(请注意，在R中反斜杠必须转义，因此\\d+和\\w+中有双重反斜杠)

一般来说，names_pattern参数通过将括号内的正则表达式与names_to参数匹配来工作，因此在这里：

• (\\d+) -> 变成变量 day。正则表达式 \d+ 匹配一个或多个数字。
• (\\w+) -> 变成 ".value"。正则表达式 \w+ 匹配一个或多个单词字符。感谢 r2evans 指出的 ".value" 参数，避免了进一步的重塑。文档 表示 .value "告诉 pivot_longer() 该列名称的那部分指定了要测量的“值”（它将成为输出中的变量）"。虽然我没有完全理解文档解释，但结果是匹配的正则表达式被映射到输出数据的变量名中。

library(dplyr)
library(tidyr)

df1 <- data.frame(id = c(1,2,3),
                  sex = c("M","F","M"),
                  day0mt = c(21,25,15),
                  day1mt = c(20,30,18),
                  day2mt = c(18,18,17),
                  day0ht = c(2,5,7),
                  day1ht = c(3,6,5),
                  day2ht = c(3,8,7))

df1
#>   id sex day0mt day1mt day2mt day0ht day1ht day2ht
#> 1  1   M     21     20     18      2      3      3
#> 2  2   F     25     30     18      5      6      8
#> 3  3   M     15     18     17      7      5      7

df1 %>%
  pivot_longer(cols = starts_with("day"),
               names_pattern = "day(\\d+)(\\w+)",
               names_to = c("day", ".value"))
#> # A tibble: 9 x 5
#>      id sex   day      mt    ht
#>   <dbl> <chr> <chr> <dbl> <dbl>
#> 1     1 M     0        21     2
#> 2     1 M     1        20     3
#> 3     1 M     2        18     3
#> 4     2 F     0        25     5
#> 5     2 F     1        30     6
#> 6     2 F     2        18     8
#> 7     3 M     0        15     7
#> 8     3 M     1        18     5
#> 9     3 M     2        17     7

^{本文于2021-06-20由reprex package (v2.0.0)创建}

请注意，在较新的tidyr版本中，gather和spread已被弃用，取而代之的是pivot_longer和pivot_wider.

- Marcelo Avila

---

使用 names_to = c("day", ".value")，并删除 pivot_wider :-) - r2evans

谢谢，这个很有效，我能够修改命名规则以适应我的实际变量。 - Phate

太好了！很高兴它起作用了。感谢r2evans指出了“.value”特殊值。现在我终于对这个解决方案感到满意 :) - Marcelo Avila

Answer 2

使用最新的开发版 data.table（1.14.1），增加了一些很酷的新融合功能。

使用 data.table::update.dev.pkg() 安装开发版。

library(data.table)
# data.table 1.14.1 IN DEVELOPMENT built 2021-06-22 09:38:23 UTC
dcast(
  melt(setDT(df1), measure.vars = measure(day, type, pattern="^day(.)(.)")),
  ... ~ type, value.var = "value")  

   id sex day  s t
1:  1   M   0 21 2
2:  1   M   1 20 3
3:  1   M   2 18 3
4:  2   F   0 25 5
5:  2   F   1 30 6
6:  2   F   2 18 8
7:  3   M   0 15 7
8:  3   M   1 18 5
9:  3   M   2 17 7

- Wimpel

Answer 3

这里有一种方法。首先将其重塑为长格式，将day*列分成日期编号和后缀列，然后再重塑为宽格式。

library(dplyr)
library(tidyr)
library(stringr)

df1 %>%
  pivot_longer(cols = starts_with("day")) %>%
  mutate(day = str_extract(name, "\\d+"),
         suffix = str_extract(name, "[^[:digit:]]+$")) %>%
  select(-name) %>%
  pivot_wider(
    id_cols = -c(value, suffix),
    names_from = suffix,
    values_from = value
  )
## A tibble: 9 x 5
#     id sex   day       s     t
#  <dbl> <chr> <chr> <dbl> <dbl>
#1     1 M     0        21     2
#2     1 M     1        20     3
#3     1 M     2        18     3
#4     2 F     0        25     5
#5     2 F     1        30     6
#6     2 F     2        18     8
#7     3 M     0        15     7
#8     3 M     1        18     5
#9     3 M     2        17     7

- Rui Barradas