Question

我有一个混乱且令人困惑的长格式数据集（我最近才开始使用R，现在还无法掌握它，因此我需要一些指导）。

我的参与者在实验中经历了不同的阶段。在阶段A中，他们对图像进行了评分。在阶段b中，他们看到了一些具有不同影响的图像。在阶段c中，他们对在阶段b中看到的图像进行了评级。我可以检索所有响应，影响信息以及参与者通过单独的列进行评分的图像。我的目的是根据图像的影响程度（无影响，正面，负面）分析响应，我想知道与每个响应相对应的图像编号。

问题是，当阶段结束时，将插入的最后一个值复制到以下行（因此应省略），并且对于某些列，我具有NA，因为程序复制后没有其他值。

此数据集的简化版本如下：



      > df
    id phase phase.a.response phase.c.response phase.a.pic
1   1     a                1               NA       x.jpg
2   1     a                2               NA       y.jpg
3   1     a                3               NA       z.jpg
4   1     a               10               NA       d.jpg
5   1     b               10               NA       d.jpg
6   1     b               10               NA       d.jpg
7   1     b               10               NA       d.jpg
8   1     b               10               NA       d.jpg
9   1     c               10                5       d.jpg
10  1     c               10                4       d.jpg
11  1     c               10                2       d.jpg
12  1     c               10                1       d.jpg
      phase.b.pic pic.affect phase.c.pic
1         <NA>       <NA>        <NA>
2         <NA>       <NA>        <NA>
3         <NA>       <NA>        <NA>
4         <NA>       <NA>        <NA>
5        m.jpg   positive        <NA>
6        n.jpg   negative        <NA>
7        p.jpg   positive        <NA>
8        r.jpg   negative        <NA>
9        r.jpg   negative       n.jpg
10       r.jpg   negative       p.jpg
11       r.jpg   negative       r.jpg
12       r.jpg   negative       m.jpg

 data$response[data$phase=="a"]<-data$phase.a.response
 data$response[data$phase=="b"]<-data$phase.b.response

我试图创建一个与上面的变量类似的新变量，但是由于NA（或者我的代码没有意义）而无法正常工作。

理想情况下，我希望能够根据阶段对数据进行子集化，并且希望将我的响应放在一栏中，一栏中的阶段（我已经在数据中了），一栏中的对应图像和相应的影像影响在另一列中（对于阶段a应该没有影响）。

Answer 1

期望的输出肯定会有所帮助...

这是第一次使用data.table

样本数据

library(data.table)
DT <- fread( "id  phase  phase.a.response  phase.c.response  phase.a.pic      phase.b.pic  pic.affect  phase.c.pic
1     a                1               NA       x.jpg1         <NA>       <NA>        <NA>
1     a                2               NA       y.jpg2         <NA>       <NA>        <NA>
1     a                3               NA       z.jpg3         <NA>       <NA>        <NA>
1     a               10               NA       d.jpg4         <NA>       <NA>        <NA>
1     b               10               NA       d.jpg5        m.jpg   positive        <NA>
1     b               10               NA       d.jpg6        n.jpg   negative        <NA>
1     b               10               NA       d.jpg7        p.jpg   positive        <NA>
1     b               10               NA       d.jpg8        r.jpg   negative        <NA>
1     c               10                5       d.jpg9        r.jpg   negative       n.jpg
1     c               10                4       d.jpg10       r.jpg   negative       p.jpg
1     c               10                2       d.jpg11       r.jpg   negative       r.jpg
1     c               10                1       d.jpg12       r.jpg   negative       m.jpg
")

代码

#add row_id's
DT[, row := seq_along(id) ]

#melt for response
ans.response <- melt(DT, id.vars = c("row", "id","phase"), 
     measure.vars = patterns(response = "\\.response$"),
     variable.factor = FALSE,
     variable.name = "phase2",
     value.name = "response")[, phase2 := gsub("^phase\\.(.)\\.response", "\\1", phase2)][phase == phase2,][, phase2 := NULL]

#melt for pic
ans.pic <- melt(DT, id.vars = c("row", "id","phase"), 
                     measure.vars = patterns(pic = "\\pic$"),
                     variable.factor = FALSE,
                     variable.name = "phase2",
                     value.name = "pic")[, phase2 := gsub("^phase\\.(.)\\.pic", "\\1", phase2)][phase == phase2,][, phase2 := NULL]
#join
ans.response[ans.pic, on = .(row,id,phase)]

输出

#     row id phase response    pic
#  1:   1  1     a        1 x.jpg1
#  2:   2  1     a        2 y.jpg2
#  3:   3  1     a        3 z.jpg3
#  4:   4  1     a       10 d.jpg4
#  5:   5  1     b       NA  m.jpg
#  6:   6  1     b       NA  n.jpg
#  7:   7  1     b       NA  p.jpg
#  8:   8  1     b       NA  r.jpg
#  9:   9  1     c        5  n.jpg
# 10:  10  1     c        4  p.jpg
# 11:  11  1     c        2  r.jpg
# 12:  12  1     c        1  m.jpg

如何使用tidyverse或base-R函数整理非常混乱的长格式数据集？

1 个答案: