复杂的长到宽数据转换(具有时变变量)

时间:2013-01-12 19:07:25

标签: r reshape

我目前正在研究“长”形式的多态分析数据集(每个人观察一行;每个人最多重复测量5次)。

这个想法是每个人都可以在时变的状态变量 s = 1, 2, 3, 4的水平上反复转换。我拥有的所有其他变量(此处cohort)都固定在任何给定的id内。

经过一些分析,我需要根据访问状态的具体顺序,以“宽”形式重塑数据集。以下是初始长数据的示例:

  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)     

最终的“宽”数据集应考虑到访问状态的特定个别序列,记录到新创建的变量s1s2s3s4s5,其中s1是个人访问的第一个州,依此类推。

根据上面的例子,宽数据集看起来像:

    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

我尝试使用reshape(),并专注于转置s,但没有预期的结果。实际上,我对R功能的了解非常有限。你能给出任何建议吗?谢谢。

编辑:获取不同类型的宽数据集

谢谢大家的帮助,如果可以,我有一个相关的问题。特别是当长时间观察每个人并且跨越状态的转换很少时,以这种替代方式重新构造初始样本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

在实践中,现在s1 - s5不同的访问状态,dur1 - dur5花费在每个相应的不同访问状态状态。

您能否帮助实现这一数据结构?我认为在使用dur之前,有必要在中间样本中创建所有s - 和reshape() - 变量。否则也许可以直接采用-reshape2-

3 个答案:

答案 0 :(得分:5)

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

给出:

  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

然后使用以下行给出您的姓名:

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

如果您在sep=''语句中使用wide,则无需重命名变量:

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

我怀疑有一些方法可以避免创建period变量并避免直接在NA语句中替换wide,但我还没有想到这些。

答案 1 :(得分:3)

确定...

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

这似乎对吗?我承认第一个ddply并不优雅。

答案 2 :(得分:3)

试试这个:

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)

给出了这个:

> 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

如果您不介意只使用1,2,...,5作为列名,那么您可以将ave行缩短为:

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

关于稍后添加的第二个问题,请尝试以下操作:

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])

给出:

  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