用于铸造（传播）多列字符向量的优雅解决方案

Question

我想将包含联系信息的数据框转换为一个城市列表，其中包含类似信息，例如phone 数字出现在多列中。

我试过同时使用 reshape2::dcast() 和 tidyr::spread()，但都没有解决我的问题。我还检查了其他 post 的堆栈溢出，例如

Multiple column spread

尚未找到有效的解决方案。在我看来，这些问题应该相当简单（并且可以通过 spread 或 dcast 解决）。

tmp <- tibble(municipality = c("M1", "M2"), 
       name1 = c("n1", "n2"), name2 = c("n3", "n4"), name3 = c(NA, "n5"), # placeholder names
       phone1 = c("p1", "p2"), phone2 = c("p3", "p4"), phone3 = c(NA, "p5")) # placeholder phone numbers

#solution 1
tmp %>% gather("colname", "value", -municipality) %>% 
  filter(municipality == "M1") %>% #too simplify, should be replaced with group_by(municipality)
  na.omit() %>% mutate(colname = str_replace(colname, "\d", replacement = "")) %>% 
  spread(., key = "colname", value = "value")

#Solution 2
tmp %>% gather("colname", "value", -municipality) %>% 
  filter(municipality == "M1") %>% # same as above
  na.omit() %>% mutate(colname = str_replace(colname, "\d", replacement = "")) %>% 
  dcast(municipality + value ~colname)

解决方案 1 导致以下错误：错误：输出的每一行都必须由唯一的键组合来标识。

解决方案 2 产生以下数据框（除了需要折叠外，这是期望的结果）：

  municipality value name phone
1           M1    n1   n1  <NA>
2           M1    n3   n3  <NA>
3           M1    p1 <NA>    p1
4           M1    p3 <NA>    p3

Answer 1

你在找吗？

library(dplyr)
library(tidyr)

tmp %>%
  gather(key, value, -municipality, na.rm = TRUE) %>%
  mutate(key = gsub("\d+", "", key)) %>%
  group_by(municipality, key) %>%
  mutate(row = row_number()) %>%
  spread(key, value) %>%
  select(-row)

# municipality name  phone
# <chr>        <chr> <chr>
#1 M1           n1    p1   
#2 M1           n3    p3   
#3 M2           n2    p2   
#4 M2           n4    p4   
#5 M2           n5    p5

我们可以使用 gather 将数据以长格式删除 NA 值。从各个列名称中删除数字，以便它们共享相同的 key，创建列 group_by municipality 和 key 到 spread 将数据转换为宽格式。

Answer 2

我们可以使用 tidyr

的开发版本中的 pivot_longer 优雅地做到这一点

library(dplyr)
library(tidyr)# 0.8.3.9000
library(stringr)
tmp %>%
   rename_at(-1,  ~str_replace(., "(\d+$)", "_\1")) %>%
   pivot_longer(cols = -municipality, names_to = c(".value", "group"), 
        names_sep="_", values_drop_na = TRUE) %>%
   select(-group)
# A tibble: 5 x 3
#  municipality name  phone
#  <chr>        <chr> <chr>
#1 M1           n1    p1   
#2 M1           n3    p3   
#3 M2           n2    p2   
#4 M2           n4    p4   
#5 M2           n5    p5

或者另一个选项是 melt 来自 data.table

library(data.table)
melt(setDT(tmp), measure = patterns("^name", "^phone"), 
   value.name = c("name", "phone"), na.rm = TRUE)[, variable := NULL][]
#.  municipality name phone
#1:           M1   n1    p1
#2:           M2   n2    p2
#3:           M1   n3    p3
#4:           M2   n4    p4
#5:           M2   n5    p5

用于铸造（传播）多列字符向量的优雅解决方案

Elegant solution for casting (spreading) multiple columns of character vectors

r

spread

tidyr

dcast