Question

我有以下格式的数据集row data：

Id Avg_bed_2017 staff_2014 staff_2015 staff_2016 staff_2017 outpatient_2013
1  460265      0.00000         NA         NA         NA         NA                      NA
2  16121       13.66667        497      508.5        515        505

我的目标是将其重塑为以下格式：

Id category year  value 
1   Avg_bed 2017  460265
2   Avg_bed 2017  16121 
3   staff   2014  13.667
4   .....   ....  .....

为此，我定义了一个函数split.col.name(col)，该函数使用列的每个名称作为输入并将其拆分为category和year，并以两个元素的列表形式返回。 / p>

然后我设计了一个函数split.col.row (rowdline)，然后将row data的一行作为输入并返回后者的一行。

然后，我尝试（1）在split.col.row (rowdline)的行（257K行）上运行row data，并且（2）在每行上应用apply()函数。（1）非常慢，并且（2）没有适当地绑定行（生成的矩阵仅限于输入数据的大小，而在这种情况下，输出将有更多的行）。也许有一种更有效的方法来进行此重塑？

Answer 1

这是一个tidyverse解决方案：

# make sample data
set.seed(1839)
dat <- data.frame(
  id = 1:3,
  avgbed_2017 = rnorm(3), # note: rename this column
  staff_2014 = rnorm(3),
  staff_2015 = rnorm(3),
  outpatient_2013 = rnorm(3)
)

# gather and separate
library(dplyr)
library(tidyr)
dat %>% 
  gather("key", "value", -id) %>% # gathers everything but id
  # if you wanna get rid of NA values, say na.rm = TRUE in gather
  separate("key", c("category", "year"), sep = "_")

请注意，您必须将avg_bed_2017重命名为avgbed_2017才能起作用。如果我比较擅长使用正则表达式，则可以使sep中的separate为正则表达式，仅在第二次出现下划线时匹配 -也许其他人可以向我展示如何。为了解决这个问题，我只重命名了上面的列，以便唯一的下划线是我们要分割的下划线。

每个@ Dave2e：

set.seed(1839)
data.frame(
  id = 1:3,
  avg_bed_2017 = rnorm(3),
  staff_2014 = rnorm(3),
  staff_2015 = rnorm(3),
  outpatient_2013 = rnorm(3)
) %>%
  gather("key", "value", -id) %>% 
  separate("key", c("category", "year"), sep = "_(?=[0-9]{4})")

将数据框重塑为键：值的长列表

1 个答案: