这里已经解决了收集多组列的问题:Gather multiple sets of columns,但在我的情况下,列并不是唯一的。
我有以下数据:
input <- data.frame(
id = 1:2,
question = c("a", "b"),
points = 0,
max_points = c(3, 5),
question = c("c", "d"),
points = c(0, 20),
max_points = c(5, 20),
check.names = F,
stringsAsFactors = F
)
input
#> id question points max_points question points max_points
#> 1 1 a 0 3 c 0 5
#> 2 2 b 0 5 d 20 20
第一列是id,然后我有很多重复的列(原始数据集有133列):
我想结束这个结构:
expected <- data.frame(
id = c(1, 2, 1, 2),
question = letters[1:4],
points = c(0, 0, 0, 20),
max_points = c(3, 5, 5, 20),
stringsAsFactors = F
)
expected
#> id question points max_points
#> 1 1 a 0 3
#> 2 2 b 0 5
#> 3 1 c 0 5
#> 4 2 d 20 20
我尝试了几件事:
tidyr::gather(input, key, val, -id)
reshape2::melt(input, id.vars = "id")
两者都无法提供所需的输出。此外,由于列数多于此处显示的列数,gather
不再起作用,因为重复的列太多了。
作为解决方法,我尝试了这个:
# add numbers to make col headers "unique"
names(input) <- c("id", paste0(1:(length(names(input)) - 1), names(input)[-1]))
# gather, remove number, spread
input %>%
gather(key, val, -id) %>%
mutate(key = stringr::str_replace_all(key, "[:digit:]", "")) %>%
spread(key, val)
会出错:Duplicate identifiers for rows (3, 9), (4, 10), (1, 7), (2, 8)
此问题已在此处讨论过:Unexpected behavior with tidyr,但我不知道为什么/如何添加其他标识符。很可能这不是主要问题,因为我可能应该以不同的方式处理整个问题。
我怎样才能解决我的问题,最好是tidyr
或基数?我不知道如何使用data.table
,但如果有一个简单的解决方案,我也会满意。
答案 0 :(得分:5)
试试这个:
do.call(rbind,
lapply(seq(2, ncol(input), 3), function(i){
input[, c(1, i:(i + 2))]
})
)
# id question points max_points
# 1 1 a 0 3
# 2 2 b 0 5
# 3 1 c 0 5
# 4 2 d 20 20
答案 1 :(得分:4)
在data.table中执行此操作的惯用方法非常简单:
library(data.table)
setDT(input)
res = melt(
input,
id = "id",
meas = patterns("question", "^points$", "max_points"),
value.name = c("question", "points", "max_points")
)
id variable question points max_points
1: 1 1 a 0 3
2: 2 1 b 0 5
3: 1 2 c 0 5
4: 2 2 d 20 20
你得到了名为&#34;变量&#34;的额外列,但如果需要,你可以在res[, variable := NULL]
之后删除它。
答案 2 :(得分:1)
在不使用lapply
的情况下实现相同目标的另一种方法:
我们首先抓住所有问题,max_points和点的列,然后我们将每个列单独融合并cbind
将它们全部组合在一起。
library(reshape2)
questions <- input[,c(1,c(1:length(names(input)))[names(input)=="question"])]
points <- input[,c(1,c(1:length(names(input)))[names(input)=="points"])]
max_points <- input[,c(1,c(1:length(names(input)))[names(input)=="max_points"])]
questions_m <- melt(questions,id.vars=c("id"),value.name = "questions")[,c(1,3)]
points_m <- melt(points,id.vars=c("id"),value.name = "points")[,3,drop=FALSE]
max_points_m <- melt(max_points,id.vars=c("id"),value.name = "max_points")[,3, drop=FALSE]
res <- cbind(questions_m,points_m, max_points_m)
res
id questions points max_points
1 1 a 0 3
2 2 b 0 5
3 1 c 0 5
4 2 d 20 20
答案 3 :(得分:0)
您可能需要澄清您希望如何处理ID列,但可能是这样的?
runme <- function(word , dat){
grep( paste0("^" , word , "$") , names(dat))
}
l <- mapply( runme , unique(names(input)) , list(input) )
l2 <- as.data.frame(l)
output <- data.frame()
for (i in 1:nrow(l2)) output <- rbind( output , input[, as.numeric(l2[i,]) ])
不确定处理不同数量的重复列有多强大,但它适用于您的测试数据,如果您的列重复次数相同,则应该有效。