Question

通常我需要spread多个值列，例如this问题。但我经常这样做，我希望能够编写一个能够做到这一点的函数。

例如，给定数据：

set.seed(42)
dat <- data_frame(id = rep(1:2,each = 2),
                  grp = rep(letters[1:2],times = 2),
                  avg = rnorm(4),
                  sd = runif(4))
> dat
# A tibble: 4 x 4
     id   grp        avg        sd
  <int> <chr>      <dbl>     <dbl>
1     1     a  1.3709584 0.6569923
2     1     b -0.5646982 0.7050648
3     2     a  0.3631284 0.4577418
4     2     b  0.6328626 0.7191123

我想创建一个返回类似的函数：

# A tibble: 2 x 5
     id     a_avg      b_avg      a_sd      b_sd
  <int>     <dbl>      <dbl>     <dbl>     <dbl>
1     1 1.3709584 -0.5646982 0.6569923 0.7050648
2     2 0.3631284  0.6328626 0.4577418 0.7191123

我该怎么做？

Answer 1

我们将回到与之相关的问题中提供的答案，但暂时让我们以更天真的方式开始。

一个想法是单独给每个值列spread，然后加入结果，即

library(dplyr)
library(tidyr)
library(tibble)

dat_avg <- dat %>% 
    select(-sd) %>%
    spread(key = grp,value = avg) %>%
    rename(a_avg = a,
           b_avg = b)

dat_sd <- dat %>% 
    select(-avg) %>%
    spread(key = grp,value = sd) %>%
    rename(a_sd = a,
           b_sd = b)

> full_join(dat_avg,
          dat_sd,
          by = 'id')

# A tibble: 2 x 5
     id     a_avg      b_avg      a_sd      b_sd
  <int>     <dbl>      <dbl>     <dbl>     <dbl>
1     1 1.3709584 -0.5646982 0.6569923 0.7050648
2     2 0.3631284  0.6328626 0.4577418 0.7191123

（我使用full_join以防万一我们遇到并非所有连接列的组合都出现在所有组合中的情况。）

让我们从一个与spread类似的函数开始，但允许您将key和value列作为字符传递：

spread_chr <- function(data, key_col, value_cols, fill = NA, 
                       convert = FALSE,drop = TRUE,sep = NULL){
    n_val <- length(value_cols)
    result <- vector(mode = "list", length = n_val)
    id_cols <- setdiff(names(data), c(key_col,value_cols))

    for (i in seq_along(result)){
        result[[i]] <- spread(data = data[,c(id_cols,key_col,value_cols[i]),drop = FALSE],
                              key = !!key_col,
                              value = !!value_cols[i],
                              fill = fill,
                              convert = convert,
                              drop = drop,
                              sep = paste0(sep,value_cols[i],sep))
    }

    result %>%
        purrr::reduce(.f = full_join, by = id_cols)
}

> dat %>%
  spread_chr(key_col = "grp",
             value_cols = c("avg","sd"),
             sep = "_")

# A tibble: 2 x 5
     id grp_avg_a  grp_avg_b  grp_sd_a  grp_sd_b
  <int>     <dbl>      <dbl>     <dbl>     <dbl>
1     1 1.3709584 -0.5646982 0.6569923 0.7050648
2     2 0.3631284  0.6328626 0.4577418 0.7191123

这里的主要想法是使用key_col运算符取消引用value_cols[i]和!!参数，并使用sep中的spread参数来控制结果值列名称。

如果我们想要将此函数转换为接受键和值列的不带引号的参数，我们可以像这样修改它：

spread_nq <- function(data, key_col,..., fill = NA, 
                      convert = FALSE, drop = TRUE, sep = NULL){
    val_quos <- rlang::quos(...)
    key_quo <- rlang::enquo(key_col)
    value_cols <- unname(tidyselect::vars_select(names(data),!!!val_quos))
    key_col <- unname(tidyselect::vars_select(names(data),!!key_quo))

    n_val <- length(value_cols)
    result <- vector(mode = "list",length = n_val)
    id_cols <- setdiff(names(data),c(key_col,value_cols))

    for (i in seq_along(result)){
        result[[i]] <- spread(data = data[,c(id_cols,key_col,value_cols[i]),drop = FALSE],
                              key = !!key_col,
                              value = !!value_cols[i],
                              fill = fill,
                              convert = convert,
                              drop = drop,
                              sep = paste0(sep,value_cols[i],sep))
    }

    result %>%
        purrr::reduce(.f = full_join,by = id_cols)
}

> dat %>%
  spread_nq(key_col = grp,avg,sd,sep = "_")

# A tibble: 2 x 5
     id grp_avg_a  grp_avg_b  grp_sd_a  grp_sd_b
  <int>     <dbl>      <dbl>     <dbl>     <dbl>
1     1 1.3709584 -0.5646982 0.6569923 0.7050648
2     2 0.3631284  0.6328626 0.4577418 0.7191123

此处的更改是我们使用rlang::quos和rlang::enquo捕获未加引号的参数，然后使用tidyselect::vars_select将其转换回字符。

回到使用gather，unite和spread序列的关联问题中的解决方案，我们可以使用我们学到的内容来制作这样的函数：< / p>

spread_nt <- function(data,key_col,...,fill = NA,
                      convert = TRUE,drop = TRUE,sep = "_"){
  key_quo <- rlang::enquo(key_col)
  val_quos <- rlang::quos(...)
  value_cols <- unname(tidyselect::vars_select(names(data),!!!val_quos))
  key_col <- unname(tidyselect::vars_select(names(data),!!key_quo))

  data %>%
    gather(key = ..var..,value = ..val..,!!!val_quos) %>%
    unite(col = ..grp..,c(key_col,"..var.."),sep = sep) %>%
    spread(key = ..grp..,value = ..val..,fill = fill,
           convert = convert,drop = drop,sep = NULL)
}

> dat %>%
  spread_nt(key_col = grp,avg,sd,sep = "_")

# A tibble: 2 x 5
     id     a_avg      a_sd      b_avg      b_sd
* <int>     <dbl>     <dbl>      <dbl>     <dbl>
1     1 1.3709584 0.6569923 -0.5646982 0.7050648
2     2 0.3631284 0.4577418  0.6328626 0.7191123

这依赖于上一个示例中 rlang 的相同技术。我们为中间变量使用了一些不寻常的名称，如..var..，以减少名称与数据框中现有列冲突的可能性。

此外，我们使用sep中的unite参数来控制生成的列名称，因此在这种情况下，当我们spread时，我们会强制sep = NULL。

Answer 2

传播操作也可以通过取消正确重新格式化的表来完成，这里是使用tidyverse的替代方法：

# helper function that returns an horizontal one lined named tibble wrapped into a list
lhframe <- function(x,nms) list(setNames(as_tibble(t(x)),nms))
dat %>% group_by(id) %>%
  summarize(avg = lhframe(avg,grp),
            sd  = lhframe(sd,grp)) %>%
  unnest(.sep="_")

# # A tibble: 2 x 5
#      id      avg_a     avg_b      sd_a      sd_b
#   <int>      <dbl>     <dbl>     <dbl>     <dbl>
# 1     1 -1.7631631 0.4600974 0.7595443 0.5664884
# 2     2 -0.6399949 0.4554501 0.8496897 0.1894739

不幸的是，以下情况不起作用：

dat %>% group_by(id) %>%
  summarize_at(vars(avg,sd),lhframe,grp) %>%
  unnest(.sep="_")

Answer 3

从tidyr 1.0.0版开始

tidyr::pivot_wider(data = dat, id_cols = id, names_from = grp, values_from = avg:sd) 
# # A tibble: 2 x 5
#      id avg_a  avg_b  sd_a  sd_b
#   <int> <dbl>  <dbl> <dbl> <dbl>
# 1     1 1.37  -0.565 0.657 0.705
# 2     2 0.363  0.633 0.458 0.719

在函数中传播多个列

3 个答案: