如何根据每行中的值对数据进行透视

Question

假设我们得到了这样一个数据框：

> dput(data)
structure(list(Location = structure(1:18, .Label = c("a", "b", 
"c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", 
"p", "q", "r"), class = "factor"), C1 = c(7L, NA, 3L, 7L, NA, 
NA, 2L, 7L, NA, NA, NA, NA, 2L, NA, NA, NA, NA, NA), C2 = c(NA, 
8L, 1L, 1L, NA, 9L, 1L, 1L, NA, 1L, NA, 4L, 1L, NA, NA, NA, NA, 
1L), C3 = c(3L, 1L, 7L, NA, NA, NA, 7L, 2L, 5L, 4L, 9L, 10L, 
3L, 2L, 1L, 7L, NA, NA), C4 = c(NA, 2L, NA, 2L, 2L, 1L, 1L, 8L, 
8L, 5L, 6L, 15L, 15L, 5L, 5L, 2L, 15L, NA), C5 = c(NA, NA, NA, 
NA, 8L, NA, 2L, NA, 4L, 10L, 3L, 3L, 1L, NA, NA, 3L, NA, 8L)), class = "data.frame", row.names = c(NA, 
-18L))

根据记录数据的方式，我们有一个 Location 列，它代表一个已知的具有水平 a:r 的分组变量。然后我们有列 C1:C5，它们本身代表 5 个簇，每个 Location 的样本根据某个任意变量进行分类。因此，每列的总和表示每个 Location 中有多少样本。例如Location == a有10个样本，其中7个被分类到C1，3个被分类到C3.

我想创建一个意外事件 table 来执行独立性的卡方检验，看看 Location 和集群分配是否独立。当数据以这种格式记录时，我们如何对数据进行reshape来做到这一点？

更新：除非有一种更简单的方法可以根据每行中的值（可以直接对其执行卡方检验）从当前格式中获取意外事件 table，否则我希望我们必须将其转换为转换为整齐的格式，其中有两列 Location 和 Cluster 以及每个原始样本的一个观察值，因此输出将如下所示：

#there would be 10 observations for location a, 11 observations for b, and so on
Location   Cluster
a           C1
a           C1
a           C1
a           C1
a           C1
a           C1
a           C1
a           C3
a           C3
a           C3
b           C2
b           C2
b           C2
b           C2
b           C2
b           C2
b           C2
b           C2
b           C3
b           C4
b           C4
....

据此我们可以做出应急 table 并执行卡方检验

Answer 1

我们可以重塑为 'long' 格式并使用 uncount 复制行

library(dplyr)
library(tidyr)
data %>%
   pivot_longer(cols = -Location, names_to = 'Cluster', values_drop_na = TRUE) %>%
   uncount(value)
# A tibble: 251 x 2
#   Location Cluster
#   <fct>    <chr>  
# 1 a        C1     
# 2 a        C1     
# 3 a        C1     
# 4 a        C1     
# 5 a        C1     
# 6 a        C1     
# 7 a        C1     
# 8 a        C3     
# 9 a        C3     
#10 a        C3     
# … with 241 more rows

如何根据每行中的值对数据进行透视

How to pivot data based on the values in each row

r

chi-squared

dplyr