我有一个数据框,遵循以下长模式:
Name MedName
Name1 atenolol 25mg
Name1 aspirin 81mg
Name1 sildenafil 100mg
Name2 atenolol 50mg
Name2 enalapril 20mg
并希望得到以下(我不在乎我是否可以通过这种方式命名列,只是想要这种格式的数据):
Name medication1 medication2 medication3
Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
Name2 atenolol 50mg enalapril 20mg NA
通过这个网站,我已经熟悉了reshape / reshape2软件包,并且已经尝试了多次尝试使其工作但迄今为止失败了。
当我尝试dcast(dataframe, Name ~ MedName, value.var='MedName')
时,我只得到一堆列药物名称的标志(转置的值为1或0)示例:
Name atenolol 25mg aspirin 81mg
Name1 1 1
Name2 0 0
我在融化数据集后尝试了dcast(dataset, Name ~ variable)
,但这只是吐出以下内容(只计算每个人拥有的药物数量):
Name MedName
Name1 3
name2 2
最后,我尝试融化数据,然后使用idvar="Name"
timevar="variable"
(其中所有只是中间名)进行重新整形,但是这似乎不是针对我的问题而构建的,因为如果有多个匹配项idvar,重塑只需要第一个MedName并忽略其余的。
有没有人知道如何使用重塑或其他R功能来做到这一点?我意识到可能有一种方法以更杂乱的方式执行此操作,其中一些for循环和条件基本上分割并重新粘贴数据,但我希望有一个更简单的解决方案。非常感谢你!
答案 0 :(得分:16)
假设您的数据位于对象dataset
中:
library(plyr)
## Add a medication index
data_with_index <- ddply(dataset, .(Name), mutate,
index = paste0('medication', 1:length(Name)))
dcast(data_with_index, Name ~ index, value.var = 'MedName')
## Name medication1 medication2 medication3
## 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
## 2 Name2 atenolol 50mg enalapril 20mg <NA>
答案 1 :(得分:14)
在使用timevar
之前,您始终可以生成唯一的reshape
。在这里,我使用ave
在“每个”名称中应用函数seq_along
'。
test <- data.frame(
Name=c(rep("name1",3),rep("name2",2)),
MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
"atenolol 50mg","enalapril 20mg")
)
# generate the 'timevar'
test$uniqid <- with(test, ave(as.character(Name), Name, FUN = seq_along))
# reshape!
reshape(test, idvar = "Name", timevar = "uniqid", direction = "wide")
结果:
Name MedName.1 MedName.2 MedName.3
1 name1 atenolol 25mg aspirin 81mg sildenafil 100mg
4 name2 atenolol 50mg enalapril 20mg <NA>
答案 2 :(得分:14)
使用data.table包,可以使用新的rowid
函数轻松解决此问题:
library(data.table)
dcast(setDT(d1),
Name ~ rowid(Name, prefix = "medication"),
value.var = "MedName")
给出:
Name medication1 medication2 medication3 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg 2 Name2 atenolol 50mg enalapril 20mg <NA>
另一种方法(在1.9.7版之前常用):
dcast(setDT(d1)[, rn := 1:.N, by = Name],
Name ~ paste0("medication",rn),
value.var = "MedName")
给出相同的结果。
library(dplyr)
library(tidyr)
d1 %>%
group_by(Name) %>%
mutate(rn = paste0("medication",row_number())) %>%
spread(rn, MedName)
给出:
Source: local data frame [2 x 4] Groups: Name [2] Name medication1 medication2 medication3 (fctr) (chr) (chr) (chr) 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg 2 Name2 atenolol 50mg enalapril 20mg NA
答案 3 :(得分:11)
这似乎是一个相当普遍的问题,所以我在我的“splitstackshape”包中加入了一个名为getanID
的函数。
以下是它的作用:
library(splitstackshape)
getanID(test, "Name")
# Name MedName .id
# 1: name1 atenolol 25mg 1
# 2: name1 aspirin 81mg 2
# 3: name1 sildenafil 100mg 3
# 4: name2 atenolol 50mg 1
# 5: name2 enalapril 20mg 2
由于“data.table”与“splitstackshape”一起加载,您可以访问dcast.data.table
,因此您可以像使用@ mnel的示例一样继续。
dcast.data.table(getanID(test, "Name"), Name ~ .id, value.var = "MedName")
# Name 1 2 3
# 1: name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2: name2 atenolol 50mg enalapril 20mg NA
该函数实际上由标识为创建“时间”列的组实现sequence(.N)
。
答案 4 :(得分:5)
@ thelatemail的解决方案与此类似。当我生成时间变量时,我使用rle
以防我不能以交互方式工作,并且Name
变量需要是动态的。
# start with your example data
x <-
data.frame(
Name=c(rep("name1",3),rep("name2",2)),
MedName=c("atenolol 25mg","aspirin 81mg","sildenafil 100mg",
"atenolol 50mg","enalapril 20mg")
)
# pick the id variable
id <- 'Name'
# sort the data.frame by that variable
x <- x[ order( x[ , id ] ) , ]
# construct a `time` variable on the fly
x$time <- unlist( lapply( rle( as.character( x[ , id ] ) )$lengths , seq_len ) )
# `reshape` uses that new `time` column by default
y <- reshape( x , idvar = id , direction = 'wide' )
# done
y
答案 5 :(得分:1)
一个干净的解决方案涉及pivot_wider
软件包版本tidyr
中非常有用的1.1.0
函数。这样,您还可以使用参数names_glue
直接指定列名称。
library(tidyr)
library(dplyr)
dataframe %>%
group_by(Name) %>%
mutate(row_n = row_number()) %>%
pivot_wider(id_cols = Name, names_from = row_n, values_from = MedName, names_glue = "medication{row_n}")
输出
# A tibble: 2 x 4
# Groups: Name [2]
# Name medication1 medication2 medication3
# <chr> <chr> <chr> <chr>
# 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2 Name2 atenolol 50mg enalapril 20mg NA
答案 6 :(得分:0)
这是一种较短的方式,利用unlist
处理名称的方式:
library(dplyr)
df1 %>% group_by(Name) %>% do(as_tibble(t(unlist(.[2]))))
# # A tibble: 2 x 4
# # Groups: Name [2]
# Name MedName1 MedName2 MedName3
# <chr> <chr> <chr> <chr>
# 1 name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2 name2 atenolol 50mg enalapril 20mg <NA>
答案 7 :(得分:0)
具有tidyr
和chop()
的{{1}}解决方案。
unnest_wider()
自变量library(tidyr)
df2 %>%
chop(-Name) %>%
unnest_wider(MedName, names_sep = "")
# # A tibble: 2 x 4
# Name MedName1 MedName2 MedName3
# <chr> <chr> <chr> <chr>
# 1 Name1 atenolol 25mg aspirin 81mg sildenafil 100mg
# 2 Name2 atenolol 50mg enalapril 20mg NA
是必需的;否则,新的列名称将为names_sep = ""
,..1
和..2
。