将多列合并为一列
Combining multiple columns into one
我有一个数据集如下：
` GN Datum Land AG..GKV. MTCR..GKV. NSGI..GKV. NSGII..GKV. WA..GKV. ML..GKV. Wert
8 11693 2012-01-05 Kenia 5A001f 159700
9 11710 2012-01-05 Indien 1C350.43 18752
10 11749 2012-01-05 Taiwan, Provinz von China 2B350g2 24000
11 11750 2012-01-05 Indien 2B201a1 2B001b2 370296
12 11751 2012-01-05 Serbien 2B201a 7200
13 11752 2012-01-05 Indien 4c 6037
14 11753 2012-01-05 Rumänien 2B001d 7830
15 11755 2012-01-06 China 2B201a1 215987
16 11756 2012-01-06 China 2B201a1 234736
17 11757 2012-01-06 Brasilien 2B231 69900
18 11758 2012-01-06 Brasilien 2B231 139800
19 11788 2012-01-07 Kongo 139800
GN 我是一个唯一的 ID。如您所见，对于每一行，变量 AG..GKV. 直到 ML..GKV 最多保存一个值，预计在 GN == 11750 的情况下。
我想把这些变量合二为一，但还是知道原来的变量名是什么，像这样：
` GN Datum Land variable value Wert
8 11693 2012-01-05 Kenia WA..GKV. 5A001f 159700
9 11710 2012-01-05 Indien AG..GKV. 1C350.43 18752
...
在 GN == 11750 中每行有两个值的情况下，它应该如下所示：
` GN Datum Land variable value Wert
11 11750 2012-01-05 Indien NSGII..GKV.\nWA..GKV. 2B201a1\n2B201a 370296
即 "double" 变量和值应该用换行符分隔。
UPDATE: 还有一种特殊情况：当一行根本没有值时。我想保留这些（见上下 GN == 19）。 variable 和 value 在这种情况下应该只是空的。
` GN Datum Land variable value Wert
19 11788 2012-01-07 Kongo 370296
我不知道如何实现这一点并且已经尝试过 reshape 包，但可能是 R 菜鸟太多了。
这是一个dput（与上述情况不同，但具有所有三种结果）：
structure(list(GN = c(11789L, 11790L, 11791L, 11793L, 11794L,
11795L, 11796L), Datum = structure(c(15355, 15355, 15355, 15355,
15355, 15356, 15356), class = "Date"), Land = c("China", "Israel",
"Pakistan", "Iran, Islamische Republik", "Hong Kong", "Südafrika",
"Lettland"), AG..GKV. = c("2B350d4", "", "", "", "", "", ""),
MTCR..GKV. = c("", "", "", "", "", "", ""), NSGI..GKV. = c("",
"", "", "", "", "", ""), NSGII..GKV. = c("", "", "", "",
"", "", "2B201a1"), WA..GKV. = c("", "7A002a+b", "", "",
"3A001a2c", "6A003b4", "2B001b2"), ML..GKV. = c("", "", "",
"", "", "", ""), Wert = c(63720, 25672, 1608000, 10738, 202500,
13500, 374873)), .Names = c("GN", "Datum", "Land", "AG..GKV.",
"MTCR..GKV.", "NSGI..GKV.", "NSGII..GKV.", "WA..GKV.", "ML..GKV.",
"Wert"), row.names = 49:55, class = "data.frame")
你可以试试（df 是你的data.frame）:
变量名：
df$variable<-apply(df[,4:9],1,function(x){paste(colnames(df[,4:9])[which(x!="")],collapse="\n")})
价值：
df$value<-apply(df[,4:9],1,function(x){paste(x[which(x!="")],collapse="\n")})
最后，删除原来的列并重新组织：
df<-df[,c(1:3,11:12,10)]
输出：
> df
GN Datum Land variable value Wert
8 11693 2012-01-05 Kenia WA..GKV. 5A001f 159700
9 11710 2012-01-05 Indien AG..GKV. 1C350.43 18752
10 11749 2012-01-05 Taiwan, Provinz von China AG..GKV. 2B350g2 24000
11 11750 2012-01-05 Indien NSGII..GKV.\nWA..GKV. 2B201a1\n2B001b2 370296
12 11751 2012-01-05 Serbien NSGII..GKV. 2B201a 7200
13 11752 2012-01-05 Indien ML..GKV. 4c 6037
14 11753 2012-01-05 Rumänien WA..GKV. 2B001d 7830
15 11755 2012-01-06 China NSGII..GKV. 2B201a1 215987
16 11756 2012-01-06 China NSGII..GKV. 2B201a1 234736
17 11757 2012-01-06 Brasilien NSGII..GKV. 2B231 69900
18 11758 2012-01-06 Brasilien NSGII..GKV. 2B231 139800
这里有一个 tidyr 和 dplyr 的选项：
library(dplyr)
library(tidyr)
DF %>% gather(Variable, Value, AG..GKV.:ML..GKV.) %>%
filter(Value != "") %>% group_by(GN, Datum, Land) %>%
summarise_each(funs(paste(unique(.), collapse = "\n")))
#Source: local data frame [11 x 6]
#Groups: GN, Datum
#
# GN Datum Land Wert Variable Value
#1 11693 2012-01-05 Kenia 159700 WA..GKV. 5A001f
#2 11710 2012-01-05 Indien 18752 AG..GKV. 1C350.43
#3 11749 2012-01-05 Taiwan, Provinz von China 24000 AG..GKV. 2B350g2
#4 11750 2012-01-05 Indien 370296 NSGII..GKV.\nWA..GKV. 2B201a1\n2B001b2
#5 11751 2012-01-05 Serbien 7200 NSGII..GKV. 2B201a
#6 11752 2012-01-05 Indien 6037 ML..GKV. 4c
#7 11753 2012-01-05 Rumänien 7830 WA..GKV. 2B001d
#8 11755 2012-01-06 China 215987 NSGII..GKV. 2B201a1
#9 11756 2012-01-06 China 234736 NSGII..GKV. 2B201a1
#10 11757 2012-01-06 Brasilien 69900 NSGII..GKV. 2B231
#11 11758 2012-01-06 Brasilien 139800 NSGII..GKV. 2B231
请注意，如果它们 唯一，这只会创建几个由“\n”分隔的条目，我认为这就是您想要做的。
OP评论后编辑：
对于您的特殊情况，请尝试以下代码：
DF %>% gather(Variable, Value, AG..GKV.:ML..GKV.) %>%
group_by(GN, Datum, Land) %>% filter(if(all(Value == "")) row_number() == 1 else Value != "") %>%
summarise_each(funs(paste(unique(.), collapse = "\n")))
解释：
gather 将数据从宽格式重塑为长格式（使用列 AG..GKV。直到 ML..GKV。）- 然后我们按 GN、Datum 和 Land 对数据进行分组
- 过滤条件为：如果所有的Value条目都是空字符串，则检查行号是否为1（也就是说，return只有此类组的第一行）else（如果至少有一个或多个值条目 不是 空字符串） return 只有那些不为空的行
- 然后，在每一列（分组列除外）上，将每组的所有唯一值汇总到一个字符串中，以
\n 分隔
我有一个数据集如下：
` GN Datum Land AG..GKV. MTCR..GKV. NSGI..GKV. NSGII..GKV. WA..GKV. ML..GKV. Wert
8 11693 2012-01-05 Kenia 5A001f 159700
9 11710 2012-01-05 Indien 1C350.43 18752
10 11749 2012-01-05 Taiwan, Provinz von China 2B350g2 24000
11 11750 2012-01-05 Indien 2B201a1 2B001b2 370296
12 11751 2012-01-05 Serbien 2B201a 7200
13 11752 2012-01-05 Indien 4c 6037
14 11753 2012-01-05 Rumänien 2B001d 7830
15 11755 2012-01-06 China 2B201a1 215987
16 11756 2012-01-06 China 2B201a1 234736
17 11757 2012-01-06 Brasilien 2B231 69900
18 11758 2012-01-06 Brasilien 2B231 139800
19 11788 2012-01-07 Kongo 139800
GN 我是一个唯一的 ID。如您所见，对于每一行，变量 AG..GKV. 直到 ML..GKV 最多保存一个值，预计在 GN == 11750 的情况下。
我想把这些变量合二为一，但还是知道原来的变量名是什么，像这样：
` GN Datum Land variable value Wert
8 11693 2012-01-05 Kenia WA..GKV. 5A001f 159700
9 11710 2012-01-05 Indien AG..GKV. 1C350.43 18752
...
在 GN == 11750 中每行有两个值的情况下，它应该如下所示：
` GN Datum Land variable value Wert
11 11750 2012-01-05 Indien NSGII..GKV.\nWA..GKV. 2B201a1\n2B201a 370296
即 "double" 变量和值应该用换行符分隔。
UPDATE: 还有一种特殊情况：当一行根本没有值时。我想保留这些（见上下 GN == 19）。 variable 和 value 在这种情况下应该只是空的。
` GN Datum Land variable value Wert
19 11788 2012-01-07 Kongo 370296
我不知道如何实现这一点并且已经尝试过 reshape 包，但可能是 R 菜鸟太多了。
这是一个dput（与上述情况不同，但具有所有三种结果）：
structure(list(GN = c(11789L, 11790L, 11791L, 11793L, 11794L,
11795L, 11796L), Datum = structure(c(15355, 15355, 15355, 15355,
15355, 15356, 15356), class = "Date"), Land = c("China", "Israel",
"Pakistan", "Iran, Islamische Republik", "Hong Kong", "Südafrika",
"Lettland"), AG..GKV. = c("2B350d4", "", "", "", "", "", ""),
MTCR..GKV. = c("", "", "", "", "", "", ""), NSGI..GKV. = c("",
"", "", "", "", "", ""), NSGII..GKV. = c("", "", "", "",
"", "", "2B201a1"), WA..GKV. = c("", "7A002a+b", "", "",
"3A001a2c", "6A003b4", "2B001b2"), ML..GKV. = c("", "", "",
"", "", "", ""), Wert = c(63720, 25672, 1608000, 10738, 202500,
13500, 374873)), .Names = c("GN", "Datum", "Land", "AG..GKV.",
"MTCR..GKV.", "NSGI..GKV.", "NSGII..GKV.", "WA..GKV.", "ML..GKV.",
"Wert"), row.names = 49:55, class = "data.frame")
你可以试试（df 是你的data.frame）:
变量名：
df$variable<-apply(df[,4:9],1,function(x){paste(colnames(df[,4:9])[which(x!="")],collapse="\n")})
价值：
df$value<-apply(df[,4:9],1,function(x){paste(x[which(x!="")],collapse="\n")})
最后，删除原来的列并重新组织：
df<-df[,c(1:3,11:12,10)]
输出：
> df
GN Datum Land variable value Wert
8 11693 2012-01-05 Kenia WA..GKV. 5A001f 159700
9 11710 2012-01-05 Indien AG..GKV. 1C350.43 18752
10 11749 2012-01-05 Taiwan, Provinz von China AG..GKV. 2B350g2 24000
11 11750 2012-01-05 Indien NSGII..GKV.\nWA..GKV. 2B201a1\n2B001b2 370296
12 11751 2012-01-05 Serbien NSGII..GKV. 2B201a 7200
13 11752 2012-01-05 Indien ML..GKV. 4c 6037
14 11753 2012-01-05 Rumänien WA..GKV. 2B001d 7830
15 11755 2012-01-06 China NSGII..GKV. 2B201a1 215987
16 11756 2012-01-06 China NSGII..GKV. 2B201a1 234736
17 11757 2012-01-06 Brasilien NSGII..GKV. 2B231 69900
18 11758 2012-01-06 Brasilien NSGII..GKV. 2B231 139800
这里有一个 tidyr 和 dplyr 的选项：
library(dplyr)
library(tidyr)
DF %>% gather(Variable, Value, AG..GKV.:ML..GKV.) %>%
filter(Value != "") %>% group_by(GN, Datum, Land) %>%
summarise_each(funs(paste(unique(.), collapse = "\n")))
#Source: local data frame [11 x 6]
#Groups: GN, Datum
#
# GN Datum Land Wert Variable Value
#1 11693 2012-01-05 Kenia 159700 WA..GKV. 5A001f
#2 11710 2012-01-05 Indien 18752 AG..GKV. 1C350.43
#3 11749 2012-01-05 Taiwan, Provinz von China 24000 AG..GKV. 2B350g2
#4 11750 2012-01-05 Indien 370296 NSGII..GKV.\nWA..GKV. 2B201a1\n2B001b2
#5 11751 2012-01-05 Serbien 7200 NSGII..GKV. 2B201a
#6 11752 2012-01-05 Indien 6037 ML..GKV. 4c
#7 11753 2012-01-05 Rumänien 7830 WA..GKV. 2B001d
#8 11755 2012-01-06 China 215987 NSGII..GKV. 2B201a1
#9 11756 2012-01-06 China 234736 NSGII..GKV. 2B201a1
#10 11757 2012-01-06 Brasilien 69900 NSGII..GKV. 2B231
#11 11758 2012-01-06 Brasilien 139800 NSGII..GKV. 2B231
请注意，如果它们 唯一，这只会创建几个由“\n”分隔的条目，我认为这就是您想要做的。
OP评论后编辑：
对于您的特殊情况，请尝试以下代码：
DF %>% gather(Variable, Value, AG..GKV.:ML..GKV.) %>%
group_by(GN, Datum, Land) %>% filter(if(all(Value == "")) row_number() == 1 else Value != "") %>%
summarise_each(funs(paste(unique(.), collapse = "\n")))
解释：
gather将数据从宽格式重塑为长格式（使用列 AG..GKV。直到 ML..GKV。）- 然后我们按 GN、Datum 和 Land 对数据进行分组
- 过滤条件为：如果所有的Value条目都是空字符串，则检查行号是否为1（也就是说，return只有此类组的第一行）else（如果至少有一个或多个值条目 不是 空字符串） return 只有那些不为空的行
- 然后，在每一列（分组列除外）上，将每组的所有唯一值汇总到一个字符串中，以
\n 分隔