Question

我有异常格式的数据。当前，变量名/列标题应该是什么行值，而变量名/列标题应该是什么行值。

也就是说，我有一个这样的数据框：

id <- seq(1, 5, 1)
good <- c('', 'Q4', 'Q4, Q2', '', '')
ok <- c('Q3, Q1', '', '', 'Q2', '')
bad <- c('', 'Q2', 'Q2', '', '')

data <- as.data.frame(cbind(id, good, ok, bad))
cols <- c('good', 'ok', 'bad')
data[cols] <- lapply(data[cols], as.character)

我想将其转换为如下所示的数据框：

id <- seq(1,5,1)
Q1 <- c('ok', '', '', '', '')
Q2 <- c('', 'bad', 'good, bad', 'ok', '') # Yes, it is possible to get multiple, 
# conflicting responses to a question from one id.
Q3 <- c('ok', '', '', '', '')
Q4 <- c('', 'good', 'good', '', '')

data_new <- as.data.frame(cbind(id, Q1, Q2, Q3, Q4))
cols <- c('Q1', 'Q2', 'Q3', 'Q4')
data_new[cols] <- lapply(data_new[cols], as.character)

一些问题：

当前行值不能仅直接转置为列标题，因为有时在单个单元格中记录多个条目，并且列标题中应该只记录一个值（例如，我不想要在更新的数据框中标记为“ Q2，Q4”的列标题。
另一方面，当列标题移动为行值时，将出现有时需要在同一单元格中有多个条目。例如，ID 3的变量Q2下的条目在更新的数据框中应显示为“好，不好”。

首选dplyr解决方案，但也欢迎使用其他软件包/基于R的答案。

Answer 1

这是gather/spread的一种方法。我们gather将数据从“宽”到“长”，filter根据“ val”中的空白元素移出行，通过在定界符（,处拆分）扩展数据在“ val”中，按照“ id”，“ val”，paste的元素组成，并spread返回“宽”格式

library(tidyverse)
data %>%
   gather(key, val, -id) %>% 
   filter(val != "") %>% 
   separate_rows(val) %>% 
   group_by(id = factor(id, levels = 1:5), val) %>% 
   summarise(key = toString(key)) %>%
   spread(val, key, fill = "", drop = FALSE)
# A tibble: 5 x 5
# Groups:   id [5]
#  id    Q1    Q2        Q3    Q4   
#  <fct> <chr> <chr>     <chr> <chr>
#1 1     ok    ""        ok    ""   
#2 2     ""    bad       ""    good 
#3 3     ""    good, bad ""    good 
#4 4     ""    ok        ""    ""   
#5 5     ""    ""        ""    ""

注意：格式基于print的{{1}}格式。如果要更改为tibble，请在末尾使用data.frame

用行值替换变量名，反之亦然

1 个答案: