我遇到了一个不寻常的数据集我需要重塑，但正常的reshape / tidyr包似乎没有办法解决它。虽然可以使用子集和rbind重新整形数据集，但必须有一种更直接的方法来解决此问题。
数据集如下所示：
ID Item.1 Item.1.Value Item.2 Item.2.Value Item.3 Item.3.Value
001 A 3 C 7
002 B 4
003 A 2 B 1 F 5
004 C 10 L 3
每次观察包含20次测量的集合中的1-3次测量。此外，相同的测量类型可以出现在不同观察的多个列中。
我需要将其更改为：
ID Item Item.Value
001 A 3
001 C 7
002 B 4
003 A 2
003 B 1
003 F 5
004 C 10
004 L 3
我的部分问题是我不知道配置初始表的传统术语。
谢谢！
答案 0 :(得分：7)
我不会称之为＆＃34;不寻常的＆＃34;数据集，但增加额外复杂程度的事实是，在ID列之后，其余列都是项目 - 值对。以下是重塑您的数据的方法。＆＃34; wide＆＃34;到＆＃34;长＆＃34;使用基本reshape和tidyverse函数格式化。
为了重现性，这里是我开始使用的数据框：
df = structure(list(ID = c("001", "002", "003", "004"), Item.1 = structure(c(1L,
2L, 1L, 3L), .Label = c("A", "B", "C"), class = "factor"), Item.1.Value = c(3L,
4L, 2L, 10L), Item.2 = structure(c(3L, 1L, 2L, 4L), .Label = c("",
"B", "C", "L"), class = "factor"), Item.2.Value = c(7L, NA, 1L,
3L), Item.3 = c(NA, NA, "F", NA), Item.3.Value = c(NA, NA, 5L,
NA)), .Names = c("ID", "Item.1", "Item.1.Value", "Item.2", "Item.2.Value",
"Item.3", "Item.3.Value"), row.names = c(NA, -4L), class = "data.frame")
reshape方法dfr = reshape(df, varying=list(seq(2,ncol(df),2),seq(3,ncol(df),2)), direction="long",
idvar="ID", timevar=NULL, v.names=c("Item","Value"))
dfr = dfr[!is.na(dfr$Value),]
dfr = dfr[order(dfr$ID),]
dfr
ID Item Value 001.1 001 A 3 001.2 001 C 7 002.1 002 B 4 003.1 003 A 2 003.2 003 B 1 003.3 003 F 5 004.1 004 C 10 004.2 004 L 3
tidyverse方法我不确定这是否是最简洁或最优雅的方式，所以如果你有更好的方法，请告诉我。
library(tidyverse)
dfr = map2_df(seq(2,ncol(df),2), seq(3,ncol(df),2),
~ setNames(df[, c(1,.x,.y)], c("ID","Item","Value"))) %>%
filter(!is.na(Value)) %>%
arrange(ID)
ID Item Value 1 001 A 3 2 001 C 7 3 002 B 4 4 003 A 2 5 003 B 1 6 003 F 5 7 004 C 10 8 004 L 3