在 R 中重塑不同时间长度的数据

Question

我想对我的数据进行多次重复测量。我首先需要将数据框从宽格式重塑为长格式才能做到这一点。

这是我的数据框：

    ID Group x1  x2  x3  y1  y2  y3  z1  z2
    144 1   566 613 597 563 549 562 599  469
    167 2   697 638 756 682 695 693 718  439.5
    247 4   643 698 730 669 656 669 698  514.5
    317 4   633 646 641 520 543 586 559  405.5
    344 3   651 678 708 589 608 615 667  514
    352 2   578 702 671 536 594 579 591  467.5
    382 1   678 690 693 555 565 534 521  457.5
    447 3   668 672 718 663 689 751 784  506.5
    464 2   760 704 763 514 554 520 564  486
    628 1   762 789 783 618 610 645 625  536

您可能会注意到，我在三个时间点测量了变量 x 和 y，在两个时间点测量了变量 z。我想知道尝试将数据重塑为长格式是否有意义，因为我有不同的时间长度。

我没能做到。所以首先，这样做是否有意义？还是我应该制作两个数据框？其次，如果它确实有意义，那又如何呢？

编辑：我希望是这样的：

ID Group Timex  Timey Timez  x    y    z
144 1     1       1     1   566  563  599
144 1     2       2     2   613  549  469
144 1     3       3         597  562
167 2     1       1     1   697  682  718
167 2     2       2     2   638  695  439.5 
167 2     3       3         756  693
....

但我什至不确定拥有这些空单元格是否有意义？

Answer 1

这是一个想法。 dt_all 是最终输出。请注意，此示例不会创建 Timex、Timey 和 Timez，但我认为一个名为 Time 的列就足够了，并且是单独的 Timex、Timey 和 Timez 是多余的。

# Load packages
library(dplyr)
library(tidyr)

# Process the data
dt_all <- dt %>%
  gather(Var, Value, -ID, -Group) %>%
  mutate(Time = sub("[a-z]", "", Var), Type = sub("[0-9]", "", Var)) %>%
  select(-Var) %>%
  spread(Type, Value)

数据准备

# Create example data frames
dt <- read.table(text = "ID Group x1  x2  x3  y1  y2  y3  z1  z2
    144 1   566 613 597 563 549 562 599  469
                 167 2   697 638 756 682 695 693 718  439.5
                 247 4   643 698 730 669 656 669 698  514.5
                 317 4   633 646 641 520 543 586 559  405.5
                 344 3   651 678 708 589 608 615 667  514
                 352 2   578 702 671 536 594 579 591  467.5
                 382 1   678 690 693 555 565 534 521  457.5
                 447 3   668 672 718 663 689 751 784  506.5
                 464 2   760 704 763 514 554 520 564  486
                 628 1   762 789 783 618 610 645 625  536",
                 header = TRUE)

在 R 中重塑不同时间长度的数据

Reshaping data of different time lengths in R

r

reshape

dataframe

数据准备