从一组观察结果中创建队列式数据框

Question

我是 R 的新手，有一个简单的问题，因为我仍在学习 R 数据的样式 manipulation/management。

我有一段时间内对基本临床特征（血压、胆固醇等）的观察数据集。每个观察都有一个患者 ID 和日期，但作为单独的行项目输入。像这样：

Patient ID    Date  Blood Pressure
         1 21/1/14             120
         1 19/3/14             134
         1  3/5/14             127

我想转换数据，以便对于给定的变量（例如血压），我有一个数据框，每个患者一行，所有血压值按时间顺序观察。像这样：

Patient ID BP1 BP2 BP3 
         1 120 134 127

我想这样做是因为我希望能够编写代码 select 例如，前三个观察到的血压的平均值。

如有任何建议或阅读建议，我们将不胜感激。

Answer 1

您可以通过多种方法重塑数据来实现所需的格式，包括使用 Base R 中的 reshape() 函数或 reshape2 包中的 dcast()，但它可能使用聚合形式直接获得答案会更容易。这是使用 plyr 包中的 ddply() 的一种方法：

library(plyr)

df <- read.table(text="id  date  bp
1 21/1/14             120
1 19/3/14             134
1  3/5/14             127",header=TRUE)

df1 <- ddply(df, .(id), summarize, mean.bp = mean(bp[1:3]))

df1
#   id mean.bp
# 1  1     127

当然，如果你真的只是想做你问的事情，你可以这样做：

library(reshape2)

df$bp.id <- ave(df$id,df$id,FUN=function(x) paste0("BP",seq(along=x)))
df2 <- dcast(df[df$bp.id %in% paste0("BP",1:3)], id~bp.id, value.var="bp")    

df2
#   id BP1 BP2 BP3
# 1  1 120 134 127

Answer 2

 # example dataframe
id <- c(rep(1:4,25))
date <- c(rep("21/01/14",30),rep("21/01/14",30),rep("22/01/14",30),rep("23/01/14",10))
bp <- c(rnorm(100,100))
df <- data.frame(id,date,bp)

# reorder the dataframe
library(dplyr)
df2 <- group_by(df,id) # group by id
df2 <- arrange(df2, date) # order each group by date
df3 <- mutate(df2,   # add a colum with ascending number per for each group
              c = 1:length(date))

# use dcast
library(reshape2)
dcast(df3[,c(1,4,3)],id~c)

Answer 3

使用 data.table package (which has an improved implementation of the melt and dcast functions of reshape2) 您可以按如下方式执行此操作：

newdf <- dcast(setDT(df)[, idx := 1:.N, by = id], id ~ paste0("bp",idx), value.var = "bp")

或利用新的 rowid 函数：

newdf <- dcast(setDT(df), id ~ rowid(prefix="bp",id), value.var = "bp")

两个选项给出相同的结果：

> newdf
   id bp1 bp2 bp3
1:  1 120 134 129
2:  2 110 124 119

但是正如@SamDickson 所说，当您想计算（例如）前两次血压测量值的平均值时，您还可以向现有数据框 df 添加一个新变量，其中：

# using base R
df$first2mn <- ave(df$bp, df$id, FUN = function(x) mean(x[1:2])) 
# using data.table
setDT(df)[, first2mn := mean(bp[1:2]), id]

两者都给出：

> df
   id    date  bp first2mn
1:  1 21/1/14 120      127
2:  1 19/3/14 134      127
3:  1  3/5/14 129      127
4:  2 21/1/14 110      117
5:  2 19/3/14 124      117
6:  2  3/5/14 119      117

或者只计算平均值：

# using base R
aggregate(bp ~ id, df, function(x) mean(x[1:2])) 
# using data.table
setDT(df)[, .(bp = mean(bp[1:2])), id]

两者都给出：

  id  bp
1  1 127
2  2 117

已用数据：

df <- read.table(text="id  date  bp
1 21/1/14             120
1 19/3/14             134
1  3/5/14             129
2 21/1/14             110
2 19/3/14             124
2  3/5/14             119", header=TRUE)

Answer 4

其他答案提供了多种计算组间平均值的方法。 related post 提供了多种计算组级别最大值的方法。您需要将这些答案中的 max 替换为 mean。

这是使用基本 R 函数重塑宽度的另一种方法 reshape。

使用@jaap提供的data.frame，添加一个变量，用于按ID统计观察值：

df$times <- ave(df$bp, df$id, FUN=seq_along)

现在，执行整形，删除不需要的日期变量：

reshape(df, direction="wide", drop="date", timevar="times")
  id bp.1 bp.2 bp.3
1  1  120  134  129
4  2  110  124  119

从一组观察结果中创建队列式数据框

Creating cohort-style data frame from set of observations

r

reshape