重复标识符 - 如何使用 Tidyverse 在列中动态传播重复值

Question

library(tidyverse)

这个问题的灵感来自 Jake Kaupp 对问题 "tidyr/dplyr - spreading multiple variables for duplicate ids" 的回答。使用提供的示例数据（底部），我希望每行只有一个 ID，但是有一些重复 ID 的实例（148 和 188）。由于有不同的 phone 数字，我想动态地展开这些数字，以便每个数字都有一列。在我的真实数据集中，我不确定会有多少重复的 ID，而且这会不断变化。我想在 Tidyverse 中完成所有这些，但我被卡住了：

首先，我使用下面的代码找到所需的最大列数...

cols <-Df %>% 
group_by(Id) %>%
group_size() %>% 
max()

接下来，我想执行类似下面代码的操作，但 "separate_" 已被弃用。我不确定在这里使用什么？我尝试了 tidyr::spread 的各种尝试，并查看了其他选项来解决重复的标识符，例如添加索引列 (mutate(I=row_numbers())，但无法解决这个问题要么工作。

Df%>%
group_by(Id) %>%
separate_("Ph1", paste0("1:3", 1:cols), sep = ",", fill = "right")

有没有简单的方法可以做到这一点？动态方面很重要，因为数据集总是在变化，最终我想把这部分变成一个函数。

示例数据：

Id<-c(199,148,148,145,177,165,144,121,188,188,188,111)
Ph1<-c(6532881717,6572231223,6541132112,6457886543,6548887777,7372222222,6451123425,6783450101,7890986543,6785554444,8764443344,6453348736)
Ph2<-c(NA,NA,NA,NA,NA,7372222222,NA,NA,NA,6785554444,NA,NA)

Df<-data.frame(Id,Ph1,Ph2)

Answer 1

您可以创建一个新列，为给定 Id 的每个 phone 号码分配唯一 ID，然后使用该新列进行传播。这避免了 "duplicate id" 问题。传播时，这种方法固有地添加了所需数量的列，以容纳每个 Id 的所有唯一 phone 数字。例如，在下面的代码中，我将新列命名为 seq（对于 "sequence"）：

library(tidyverse)

Df %>% 
  gather(key, value, -Id) %>%
  filter(!is.na(value)) %>% 
  select(-key) %>% 
  group_by(Id) %>% 
  filter(!duplicated(value)) %>% 
  mutate(seq=paste0("Phone_",1:n())) %>% 
  spread(seq, value)

     Id    Phone_1    Phone_2    Phone_3
1   111 6453348736         NA         NA
2   121 6783450101         NA         NA
3   144 6451123425         NA         NA
4   145 6457886543         NA         NA
5   148 6572231223 6541132112         NA
6   165 7372222222         NA         NA
7   177 6548887777         NA         NA
8   188 7890986543 6785554444 8764443344
9   199 6532881717         NA         NA

重复标识符 - 如何使用 Tidyverse 在列中动态传播重复值

Duplicate Identifiers - How to Dynamically Spread Repeating Values in a Column using Tidyverse

r

dplyr

tidyr