重组数据（用于 IRR 分析）

Question

我有以下数据框 df（虚构数据），其中包含多个变量 var1、var2、...、var_n：

var1<-c("A","A","A","B","A","C","C","A", "A", "E", "E", "B")
var2<-c(NA,"1","1","5","6","2","3","1", "1", "3", "3", "2")
id<-c(1,2,2,3,3,4,4,5,5,6,6,7)

df<-data.frame(id, var1, var2)
df

   id var1 var2
   1    A <NA>
   2    A    1
   2    A    1
   3    B    5
   3    A    6
   4    C    2
   4    C    3
   5    A    1
   5    A    1
   6    E    3
   6    E    3
   7    B    2

数据是从文件分析中检索到的，其中几个编码员从物理文件中提取了值。每个文件都有一个特定的 id。因此，如果有两个条目具有相同的 id，这意味着两个不同的编码员对同一份文档进行了编码。例如在文件号。 4 两位编码员都同意 var1 的值为 C，而在文档中没有。 3 有异议（A vs. B）。

为了计算评分者间的可靠性 (irr)，我需要按如下方式重组数据框：

id var1  var1_coder2 var2 var2_coder2
2  A     A           1    5
3  B     A           5    6
4  C     C           2    3
5  C     C           1    1
6  E     E           3    3

谁能告诉我如何完成这项工作？谢谢！

Answer 1

您可以使用 dplyr（group_by、mutate）和 tidyr（gather、spread、 unite):

library(tidyr)
library(dplyr)

new_df <- df %>% 
  group_by(id) %>% 
  mutate(coder = paste0("coder_", 1:n())) %>% 
  gather("variables", "values", -id, -coder) %>% 
  unite(column, coder, variables) %>% 
  spread(column, values) 

new_df
# A tibble: 7 x 5
# Groups:   id [7]
#      id coder_1_var1 coder_1_var2 coder_2_var1 coder_2_var2
#   <dbl> <chr>        <chr>        <chr>        <chr>       
# 1     1 A            NA           NA           NA          
# 2     2 A            1            A            1           
# 3     3 B            5            A            6           
# 4     4 C            2            C            3           
# 5     5 A            1            A            1           
# 6     6 E            3            E            3           
# 7     7 B            2            NA           NA

如果您只想保留所有编码员都输入值的行，您可以使用 filter_all。

new_df %>% 
  filter_all(all_vars(!is.na(.)))

# A tibble: 5 x 5
# Groups:   id [5]
#      id coder_1_var1 coder_1_var2 coder_2_var1 coder_2_var2
#   <dbl> <chr>        <chr>        <chr>        <chr>       
# 1     2 A            1            A            1           
# 2     3 B            5            A            6           
# 3     4 C            2            C            3           
# 4     5 A            1            A            1           
# 5     6 E            3            E            3

重组数据（用于 IRR 分析）

Restructuring data (for IRR-analysis)

r

reshape

irr

tidyverse