我有这样的数据:
dat <- data.frame(id=c(1,1,1,2,2,2),
v1=factor(c("name","sex","age",
"name","sex","age")),
v2=factor(c("a","m","50","b","f","40")))
>dat
id v1 v2
1 1 name a
2 1 sex m
3 1 age 50
4 2 name b
5 2 sex f
6 2 age 40
如何将其重新整形为宽表,其中每个id只有一行。像这样:
id name sex age
1 a m 50
2 b f 40
在下一步中,假设我的数据如下所示,即第二个name
id
dat2 <- data.frame(id=c(1,1,1,2,2),
v1=factor(c("name","sex","age",
"sex","age")),
v2=factor(c("a","m","50","f","40")))
该表应该如下所示(包含NA
):
id name sex age
1 a m 50
2 NA f 40
不是我的真实数据集可能包含多种因素和数字变量。每个id的条目数也可能非常不同。
在下一个案例中,V1
可能会多次出现,例如
dat3 <- data.frame(id=c(1,1,1,2,2),
v1=factor(c("value","value","obs",
"value", "obs")),
v2=factor(c("5","3","5","6","8")))
表应该看起来像这样
id value1 value2 obs
1 5 3 5
2 6 NA 8
我还希望看到一个解决方案,当每个id有多个value
时,计算均值(或max,min,..),就像这样
id value obs
1 4 5 # mean(c(3,5)==4
2 6 8
感谢
答案 0 :(得分:1)
让我们使用tidyr
和dplyr
:
library(tidyr)
library(dplyr)
第一个问题:
spread(dat, v1, v2)
id age name sex
1 1 50 a m
2 2 40 b f
第二个问题是相同的 - 当数据丢失时,spread会自动使用NA:
spread(dat2, v1, v2)
id age name sex
1 1 50 a m
2 2 40 <NA> f
第三个问题,在我们将v2转换为数字之后,我们将使用dplyr进行汇总,然后进行传播:
dat3 %>% mutate(v2 = as.numeric(as.character(v2))) %>%
group_by(id, v1) %>%
summarise(mean = mean(v2)) %>%
spread(v1, mean)
Source: local data frame [2 x 3]
id obs value
1 1 5 4
2 2 8 6
对于更广泛的版本,我们可以使用unite
:
dat3 %>% group_by(id, v1) %>%
mutate(v2 = as.numeric(as.character(v2)), id2=row_number()) %>%
unite(v3, c(v1,id2)) %>%
spread(v3, v2)
Source: local data frame [2 x 4]
id obs_1 value_1 value_2
1 1 5 5 3
2 2 8 6 NA