Question

我知道data.table能够一次整理多个列，这与dplyr不同，后者取决于多个gather和spread步骤，这些步骤可能难以可视化。

这是tidyverse的一个棘手问题：

library(tidyverse)
df <- data_frame(month_1 = c("Jan", "Feb", "Mar", "Jun"),
                        score_1 = c(4, 5, 6, 4),
                        month_2 = c("Jan", "Mar", NA, NA),
                        score_2 = c(3, 2, NA, NA),
                        month_3 = c("Feb", "Mar", "Jun", NA),
                        score_3 = c(8, 7, 4, NA))

# A tibble: 4 x 6
  month_1 score_1 month_2 score_2 month_3 score_3
  <chr>     <dbl> <chr>     <dbl> <chr>     <dbl>
1 Jan           4 Jan           3 Feb           8
2 Feb           5 Mar           2 Mar           7
3 Mar           6 NA           NA Jun           4
4 Jun           4 NA           NA NA           NA

我想要的结果是：

id month score
1  Jan   4
1  Feb   5
1  Mar   6
1  Jun   4
2  Jan   3
2  Mar   2
3  Feb   8  
3  Mar   7
3  Jun   4

data.table用户可以通过融合模式来解决此问题，例如：

melt(setDT(df), measure = patterns("^month", "^score"))

但是，由于没有等效的dplyr函数，我知道将需要多个spread。看来我下面的解决方案应该可以用，但是第二个spread却出问题了：

df %>% 
  gather(key, value) %>% 
  mutate(id = parse_number(key),
         key = str_replace(key, "_[0-9]", "")) %>% 
  spread(key, value )

在将其标记为重复项之前，请尝试一下。类似的问题在现有列中具有唯一ID。此示例的标题中包含ID。

Answer 1

您可以分别处理month和score列，然后将它们与purrr::map_dfc连接起来：

map_dfc(c("month", "score"), 
        ~ df %>%
          select_at(vars(matches(.x))) %>%
          gather(key, !!.x) %>%
          separate(key, c("col", "id"), sep="_")) %>% 
  filter(complete.cases(.)) %>%
  select(id, month, score)

# A tibble: 9 x 3
 id   month score 
<chr> <chr> <chr>
1 1     Jan   4    
2 1     Feb   5    
3 1     Mar   6    
4 1     Jun   4    
5 2     Jan   3    
6 2     Mar   2    
7 3     Feb   8    
8 3     Mar   7    
9 3     Jun   4

说明：

map_dfc遍历字符串值“ month”和“ score”，将当前值称为.x。后缀dfc在迭代输出上执行cbind。
select_at仅选择以.x开头的列
gather从宽变长，并用values字符串值命名.x列。
separate将key分为两列，其中包含列类型（对应于.x值）和id号。
完成映射和列绑定后，我们将filter删除缺失值，并select我们的目标列。

使用dplyr整理多列

1 个答案: