将长格式平面文件转换为R中的宽格式

Question

我有一个长整型格式的家庭和成员数据集。成员数固定，每个成员对应一列。为简单起见，假设每个家庭有2位成员，并假设询问两个问题，即成员（Q1），性别（Q2）。

文件格式如下所示：

HHID, MEM_ID_1, MEM_ID_2, AGE_1, AGE_2, GENDER_1, GENDER_2
1     1         2         50     45     M         F

我想将其转换为以下格式：

HHID MEM_ID AGE GENDER
1    1      50   M
1    2      45   F

Answer 1

让我们说我们的数据框架是测试

dput(test)

structure(list(HHID = 1L, MEM_ID_1 = 1L, MEM_ID_2 = 2L, AGE_1 = 50L, 
AGE_2 = 45L, GENDER_1 = structure(1L, .Label = "Male", class = "factor"), 
GENDER_2 = structure(1L, .Label = "Female", class = "factor")), class = "data.frame", row.names = c(NA, 

-1L））

您可以在此数据框上尝试以下重塑功能：

reshape(test, direction = "long",
        varying = list(c("MEM_ID_1","MEM_ID_2"), c("AGE_1","AGE_2"), c( "GENDER_1","GENDER_2")),
        v.names = c("MEM_ID","AGE","GENDER"),
        idvar = 'HHID')

reshape（）函数来自基数R。广义上讲，它可以通过使用变化的参数并将方向设置为 long 来同时融化多组变量。

例如，在您的情况下，我们列出了三个向量，它们的变量名称与可变参数有关：

varying = list(c("MEM_ID_1","MEM_ID_2"), c("AGE_1","AGE_2"), c( "GENDER_1","GENDER_2"))

输出如下：

    HHID time MEM_ID AGE GENDER
1.1   1    1     1   50   Male
1.2   1    2     2   45   Female

Answer 2

您可以依次使用tidyr::gather()，tidyr::separate()和tidyr::spread()。 household是您数据框的名称。

library(tidyverse)

1。 gather

首先，tidyr::gather()。然后，您可以获得以下结果。

household %>% 
  gather(-HHID, key = domestic, value = value)
#>   HHID domestic value
#> 1    1 MEM_ID_1     1
#> 2    1 MEM_ID_2     2
#> 3    1    AGE_1    50
#> 4    1    AGE_2    45
#> 5    1 GENDER_1     M
#> 6    1 GENDER_2     F

现在您要做的就是

1. 在domestic处分隔_[0-9]列：在正则表达式中，_(?=[0-9])
2. 将格式更改为宽格式，您可以看到所需的输出。

2。结论：完整代码

household %>% 
  gather(-HHID, key = domestic, value = value) %>% # long data
  separate(domestic, into = c("domestic", "vals"), sep = "_(?=[0-9])") %>% # separate the digit
  spread(domestic, value) %>% # wide format
  select(HHID, MEM_ID, AGE, GENDER, -vals) # just arranging columns, and excluding needless column
#>   HHID MEM_ID AGE GENDER
#> 1    1      1  50      M
#> 2    1      2  45      F