我有一个广泛的调查数据集。对于特定问题，在原始数据中创建了一组变量，以表示在特定月份询问调查问题的事实。
我希望创建一组具有月不变名称的新变量;这些变量的值将对应于所观察月份的月变量问题的值。
请参阅示例/虚构数据集：
require(data.table)
data <- data.table(month = rep(c('may', 'jun', 'jul'), each = 5),
may.q1 = rep(c('yes', 'no', 'yes'), each = 5),
jun.q1 = rep(c('breakfast', 'lunch', 'dinner'), each = 5),
jul.q1 = rep(c('oranges', 'apples', 'oranges'), each = 5),
may.q2 = rep(c('econ', 'math', 'science'), each = 5),
jun.q2 = rep(c('sunny', 'foggy', 'cloudy'), each = 5),
jul.q2 = rep(c('no rain', 'light mist', 'heavy rain'), each = 5))
在本次调查中，实际上只有两个问题：“q1”和“q2”。这些问题中的每一个都被反复询问了几个月。但是，只有在数据中观察到的月份与特定月份的调查问题相符时，观察才会包含有效的回复。
例如：对于“May”中的任何观察，“may.q1”被观察为“是”。我想要一个新的“Q1”变量来表示“may.q1”，“jun.q1”和“jul.q1”。当月份为“可能”时，“Q1”的值将取“may.q1”的值，当月份为“jun”时，“Q1”的值将取“jun.q1”的值
如果我尝试使用数据表手动执行此操作，我会想要类似的内容：
mdata <- data[month == 'may', c('month', 'may.q1', 'may.q2'), with = F]
setnames(mdata, names(mdata), gsub('may\\.', '', names(mdata)))
我希望重复“by = month”。
如果我使用“plyr”包作为数据框，我会使用以下方法解决：
require(plyr)
data <- data.frame(data)
mdata <- ddply(data, .(month), function(dfmo) {
dfmo <- dfmo[, c(1, grep(dfmo$month[1], names(dfmo)))]
names(dfmo) <- gsub(paste0(dfmo$month[1], '\\.'), '', names(dfmo))
return(dfmo)
})
使用data.table方法的任何帮助都将非常感激，因为我的数据很大。谢谢。
答案 0 :(得分：5)
另一种说明方式：
data[, .SD[,paste0(month,c(".q1",".q2")), with=FALSE], by=month]
month may.q1 may.q2
1: may yes econ
2: may yes econ
3: may yes econ
4: may yes econ
5: may yes econ
6: jun lunch foggy
7: jun lunch foggy
8: jun lunch foggy
9: jun lunch foggy
10: jun lunch foggy
11: jul oranges heavy rain
12: jul oranges heavy rain
13: jul oranges heavy rain
14: jul oranges heavy rain
15: jul oranges heavy rain
但请注意，列名来自第一组（之后可以使用setnames重命名）。如果有大量的列只需要少量，那么它可能不是最有效的。在这种情况下，Arun的解决方案融化为长格式应该更快。
答案 1 :(得分：3)
编辑：对于较大的数据，效率非常低。查看@ MatthewDowle对非常快速且整洁的解决方案的回答。
以下是使用data.table的解决方案。
dd <- melt.dt(data, id.var=c("month"))[month == gsub("\\..*$", "", ind)][,
ind := gsub("^.*\\.", "", ind)][, split(values, ind), by=list(month)]
函数melt.dt是一个小函数（还有更多的改进）我写了melt一个data.table类似于melt函数的plyr 1}}（在尝试上面的代码之前复制/粘贴下面显示的这个函数）。
melt.dt <- function(DT, id.var) {
stopifnot(inherits(DT, "data.table"))
measure.var <- setdiff(names(DT), id.var)
ind <- rep.int(measure.var, rep.int(nrow(DT), length(measure.var)))
m1 <- lapply(c("list", id.var), as.name)
m2 <- as.call(lapply(c("factor", "ind"), as.name))
m3 <- as.call(lapply(c("c", measure.var), as.name))
quoted <- as.call(c(m1, ind = m2, values = m3))
DT[, eval(quoted)]
}
想法：首先将data.table与id.var = month列融合在一起。现在，所有熔化的列名都是month.question形式。因此，通过从此已熔化的列中删除“.question”并等同month列，我们可以删除所有不必要的条目。一旦我们这样做，我们就不需要“月”。在熔化的列“ind”中了。因此，我们使用gsub删除“月”。仅保留q1, q2等。在此之后，我们必须reshape（或cast）。这是通过month分组并将values列拆分为ind（包含q1或q2来完成的。因此，您将获得2列每个月（然后拼接在一起）以获得所需的输出。
答案 2 :(得分：1)
这样的事情
data <- data.table(
may.q1 = rep(c('yes', 'no', 'yes'), each = 5),
jun.q1 = rep(c('breakfast', 'lunch', 'dinner'), each = 5),
jul.q1 = rep(c('oranges', 'apples', 'oranges'), each = 5),
may.q2 = rep(c('econ', 'math', 'science'), each = 5),
jun.q2 = rep(c('sunny', 'foggy', 'cloudy'), each = 5),
jul.q2 = rep(c('no rain', 'light mist', 'heavy rain'), each = 5)
)
tmp <- reshape(data, direction = "long", varying = 1:6, sep = ".", timevar = "question")
str(tmp)
## Classes ‘data.table’ and 'data.frame': 30 obs. of 5 variables:
## $ question: chr "q1" "q1" "q1" "q1" ...
## $ may : chr "yes" "yes" "yes" "yes" ...
## $ jun : chr "breakfast" "breakfast" "breakfast" "breakfast" ...
## $ jul : chr "oranges" "oranges" "oranges" "oranges" ...
## $ id : int 1 2 3 4 5 6 7 8 9 10 ...
如果您想进一步将这些数据再次融化，可以使用熔化包
require(reshape2)
## remove the id column if you want (id is the last col so ncol(tmp))
res <- melt(tmp[,-ncol(tmp), with = FALSE], measure.vars = c("may", "jun", "jul"), value.name = "response", variable.name = "month")
str(res)
## 'data.frame': 90 obs. of 3 variables:
## $ question: chr "q1" "q1" "q1" "q1" ...
## $ month : Factor w/ 3 levels "may","jun","jul": 1 1 1 1 1 1 1 1 1 1 ...
## $ response: chr "yes" "yes" "yes" "yes" ...