Столбцы расплава и изменения формы с подобным словом корня столбца
У меня есть датафрейм следующим образом
id gender group Student_Math_1 Student_Math_2 Student_Read_1 Student_Read_2
46 M Red 23 45 37 56
46 M Red 34 36 33 78
46 M Red 56 63 58
62 F Blue 59 68
62 F Blue 68 87 73
38 M Red 78 57 65
38 M Red 75 54
17 F Blue 74 56 72
17 F Blue 75 61 79
17 F Blue 74 43 81
df = structure(list(id = c(46, 46, 46, 62, 62, 38, 38, 17, 17, 17),
gender = structure(c(2L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L,
1L), .Label = c("F", "M"), class = "factor"), group = structure(c(2L,
2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 1L), .Label = c("Blue", "Red"
), class = "factor"), Student_Math_1 = c(23, 34, 56, 59,
NA, 78, NA, 74, 75, NA), Student_Math_2 = c(45, 36, 63, NA,
68, 57, 75, NA, 61, 74), Student_Read_1 = c(37, 33, 58, NA,
87, NA, 54, 56, NA, 43), Student_Read_2 = c(56, 78, NA, 68,
73, 65, NA, 72, 79, 81)), .Names = c("id", "gender", "group",
"Student_Math_1", "Student_Math_2", "Student_Read_1", "Student_Read_2"
), row.names = c(NA, -10L), class = "data.frame")
То, что я пытаюсь сделать, это изменить этот набор данных так, чтобы Student_Math_1 а также Student_Math_2 столбцы складываются как один столбец Math один под другим и аналогично Student_Read_1 а также Student_Read_2 столбцы складываются как один столбец Reading как показано ниже
id gender group Math Index1 Reading Index2
46 M Red 23 Student_Math_1 45 Student_Read_1
46 M Red 34 Student_Math_1 36 Student_Read_1
46 M Red 56 Student_Math_1 63 Student_Read_1
62 F Blue 59 Student_Math_1 Student_Read_1
62 F Blue Student_Math_1 68 Student_Read_1
38 M Red 78 Student_Math_1 57 Student_Read_1
38 M Red Student_Math_1 75 Student_Read_1
17 F Blue 74 Student_Math_1 Student_Read_1
17 F Blue 75 Student_Math_1 61 Student_Read_1
17 F Blue Student_Math_1 74 Student_Read_1
46 M Red 45 Student_Math_2 56 Student_Read_2
46 M Red 36 Student_Math_2 78 Student_Read_2
46 M Red 63 Student_Math_2 Student_Read_2
62 F Blue Student_Math_2 68 Student_Read_2
62 F Blue 68 Student_Math_2 73 Student_Read_2
38 M Red 57 Student_Math_2 65 Student_Read_2
38 M Red 75 Student_Math_2 Student_Read_2
17 F Blue Student_Math_2 72 Student_Read_2
17 F Blue 61 Student_Math_2 79 Student_Read_2
17 F Blue 74 Student_Math_2 81 Student_Read_2
Только знайте, что это может быть достигнуто с изменением формы или плавлением и изменением от широкого до длинного формата, не зная, как действовать дальше. Любая помощь в достижении этой трансформации высоко ценится.
3 ответа
Мы можем использовать melt от data.table
library(data.table)
melt(setDT(df), measure = patterns("Math", "Read"),
value.name = c("Math", "Read"))[, Index1 := names(df)[4:5][variable]
][, Index2 := names(df)[5:6][variable]][]
Или другой вариант
pat <- c("Student_Math", "Student_Read")
cbind(df[rep(1:nrow(df), 2), 1:3], do.call(cbind, lapply(pat,
function(nm) melt(df[grep(nm, names(df))]))))
С помощью melt от reshape2 и передача соответствующих входных данных в id, measure.vars:
MathDF = melt(data = DF,id=c("id","gender","group"),measure.vars = c("Student_Math_1","Student_Math_2"),value.name = "Math",
variable.name = "Index1")
ReadDF = melt(data = DF,id=c("id","gender","group"),measure.vars = c("Student_Read_1","Student_Read_2"),value.name = "Read",
variable.name = "Index2")
mergeDF = merge(MathDF,ReadDF,by=c("id","gender","group"))
head(mergeDF)
# id gender group Index1 Math Index2 Read
# 1 46 M Red Student_Math_1 23 Student_Read_1 37
# 2 46 M Red Student_Math_1 23 Student_Read_1 33
# 3 46 M Red Student_Math_1 23 Student_Read_1 58
# 4 46 M Red Student_Math_1 23 Student_Read_2 78
# 5 46 M Red Student_Math_1 23 Student_Read_2 NA
# 6 46 M Red Student_Math_1 23 Student_Read_2 56
С Tidyverse вы могли бы gather каждый набор столбцов, то filter любые значения, где индексы не совпадают по числу (при условии, что вы не хотите Student_*_1 а также Student_*_2 комбинации):
library(tidyverse)
df %>% gather(Index1, Math, contains('Math')) %>%
gather(Index2, Reading, contains('Read')) %>%
filter(parse_number(Index1) == parse_number(Index2))
## id gender group Index1 Math Index2 Reading
## 1 46 M Red Student_Math_1 23 Student_Read_1 37
## 2 46 M Red Student_Math_1 34 Student_Read_1 33
## 3 46 M Red Student_Math_1 56 Student_Read_1 58
## 4 62 F Blue Student_Math_1 59 Student_Read_1 NA
## 5 62 F Blue Student_Math_1 NA Student_Read_1 87
## 6 38 M Red Student_Math_1 78 Student_Read_1 NA
## 7 38 M Red Student_Math_1 NA Student_Read_1 54
## 8 17 F Blue Student_Math_1 74 Student_Read_1 56
## 9 17 F Blue Student_Math_1 75 Student_Read_1 NA
## 10 17 F Blue Student_Math_1 NA Student_Read_1 43
## 11 46 M Red Student_Math_2 45 Student_Read_2 56
## 12 46 M Red Student_Math_2 36 Student_Read_2 78
## 13 46 M Red Student_Math_2 63 Student_Read_2 NA
## 14 62 F Blue Student_Math_2 NA Student_Read_2 68
## 15 62 F Blue Student_Math_2 68 Student_Read_2 73
## 16 38 M Red Student_Math_2 57 Student_Read_2 65
## 17 38 M Red Student_Math_2 75 Student_Read_2 NA
## 18 17 F Blue Student_Math_2 NA Student_Read_2 72
## 19 17 F Blue Student_Math_2 61 Student_Read_2 79
## 20 17 F Blue Student_Math_2 74 Student_Read_2 81